基于DT-KNN-FDA建模的车漆光谱无损鉴别

摘要：

为了对车漆进行快速、高效、低成本的无损鉴别,采用一种基于指纹区红外吸收光谱结合决策树、k近邻和Fisher判别分析(DT-KNN-FDA)建模的鉴别方法,进行了理论分析和实验验证.收集并取得了车漆共计60个样本的红外吸收光谱实验数据,通过对特征波数的选择,建立并比较了基于决策树、k近邻分析和Fisher判别分析的多分类模型.通过相关性分析提取到了58组调整数据,并以此为基础构建了分类模型.结果表明,DT分类模型、KNN分类模型和FDA分类模型对各样本的总体区分准确率分别为77.80％,72.31％和85.00％;红外光谱结合DT-KNN-FDA分析可实现对车漆不同品牌产品间的区分,分类效果理想.该方法快捷、低耗、有效,具有一定的普适性和参考意义.

关键词：光谱学、车漆、决策树、k近邻、Fisher判别分析

所属期刊栏目：45

分类号：O657.3(分析化学)

资助基金：中国人民公安大学十九届四中全会精神专项研究课题资助项目;中国人民公安大学2019年度基本科研业务费重点资助项目

在线出版日期：2021-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：182-185