文献类型：期刊文章

作　　者：陈孝敬[1] 吴迪[2] 虞佳佳[2] 何勇[2] 刘守[1]

机构地区：[1]厦门大学物理系,福建厦门361005 [2]浙江大学生物系统工程与食品科学学院,浙江杭州310029

出　　处：《光学学报》

基　　金：国家自然科学基金项目(30671213);教育部高等学校优秀青年教师教学科研奖励计划(02411)资助课题

年　　份：2008

卷　　号：28

期　　号：11

起止页码：2153-2158

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20085011776931)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见-近红外光谱特征波长的新方法(SA-LS-SVM)。该方法用LS-SVM作为识别器,用识别率作为SA的目标函数,提取合适的特征波长数以及对应的特征波长。3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA-LS-SVM,主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理,提取特征波长或主成分,然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测。结果发现,SA-LS-SVM只需从751个数据光谱中提取4个特征波长,就可以使三种品牌润滑油的识别率达到了100%,而其他所有的方法发现预测率都达不到100%,由此验证了SA-LS-SVM的优越性。实验结果表明,SA-LS-SVM不仅能有效地减少建模的变量数,而且可以提高预测精度。

关 键 词：可见-近红外光谱分析  识别模型  模拟退火算法 最小二乘法支持向量机  

分 类 号：O433]