本文關(guān)鍵詞：基于Adaboost及譜回歸判別分析的近紅外光譜固態(tài)發(fā)酵過(guò)程狀態(tài)識(shí)別

  更多相關(guān)文章： 光譜分析 近紅外 特征提取 譜回歸判別分析 Adaboost

【摘要】：為了實(shí)現(xiàn)固態(tài)發(fā)酵過(guò)程狀態(tài)的快速監(jiān)測(cè),以飼料蛋白固態(tài)發(fā)酵為實(shí)驗(yàn)對(duì)象,開展了基于近紅外光譜分析技術(shù)的飼料蛋白固態(tài)發(fā)酵過(guò)程狀態(tài)定性識(shí)別研究。首先利用AntarisⅡ型傅里葉變換近紅外光譜儀采集140個(gè)固態(tài)發(fā)酵物樣本的近紅外光譜,并采用標(biāo)準(zhǔn)正態(tài)變換(SNV)光譜預(yù)處理方法對(duì)獲得的原始光譜進(jìn)行預(yù)處理;其次,采用譜回歸判別分析(SRDA)法對(duì)預(yù)處理后的近紅外光譜進(jìn)行特征提取;最后,采用最近鄰(NN)分類算法作為弱分類器建立固態(tài)發(fā)酵過(guò)程狀態(tài)識(shí)別模型,并對(duì)測(cè)試集樣本進(jìn)行識(shí)別。結(jié)果顯示,與利用主成分分析(PCA)法和線性判別分析(LDA)法提取的光譜特征建立的識(shí)別模型結(jié)果相比較,SRDA-NN識(shí)別模型獲得的結(jié)果最佳,在測(cè)試集中的正確識(shí)別率達(dá)到94.28%;為了進(jìn)一步提高識(shí)別模型的準(zhǔn)確率,將自適應(yīng)提升法(Adaboost)與SRDA-NN方法結(jié)合,提出了Adaboost-SRDA-NN集成學(xué)習(xí)算法來(lái)建立飼料蛋白固態(tài)發(fā)酵過(guò)程狀態(tài)的在線監(jiān)測(cè)模型。通過(guò)Adaboost算法提升后的SRDA-NN模型預(yù)測(cè)性能得到了進(jìn)一步增強(qiáng),Adaboost-SRDA-NN模型在測(cè)試集中的正確識(shí)別率達(dá)到100%。試驗(yàn)結(jié)果表明:在近紅外光譜定性分析模型校正過(guò)程中,SRDA方法能有效地對(duì)近紅外光譜數(shù)據(jù)進(jìn)行特征提取,以實(shí)現(xiàn)維數(shù)約簡(jiǎn);另外,Adaboost算法能很好地提升最終分類模型的預(yù)測(cè)精度。
【作者單位】： 蘇州工業(yè)職業(yè)技術(shù)學(xué)院機(jī)電工程系;南京航空航天大學(xué)機(jī)電學(xué)院;江蘇大學(xué)電氣信息工程學(xué)院;
【基金】：國(guó)家中小型企業(yè)創(chuàng)新基金項(xiàng)目(12C26213202207) 中國(guó)博士后科學(xué)基金面上項(xiàng)目(2014M550273)資助
【分類號(hào)】：TQ920.6;O657.33
【正文快照】： 引言近紅外光譜分析技術(shù)作為一門快速、無(wú)損的現(xiàn)代分析技術(shù),已在生物發(fā)酵領(lǐng)域取得了一些研究成果[1-6]。我們采用近紅外光譜分析技術(shù)對(duì)飼料蛋白固態(tài)發(fā)酵過(guò)程進(jìn)行狀態(tài)識(shí)別。但是由于近紅外光譜數(shù)據(jù)具有高維性和易干擾性的特點(diǎn),在利用光譜數(shù)據(jù)建立狀態(tài)識(shí)別模型前,通常會(huì)采用相應(yīng)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 許劍;張洪偉;;Adaboost算法分類器設(shè)計(jì)及其應(yīng)用[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年01期

2 張碩;;基于Adaboost的車標(biāo)識(shí)別方法研究[J];中國(guó)安防;2014年05期

3 楊文倩;;基于AdaBoost算法的實(shí)時(shí)目標(biāo)跟蹤[J];中國(guó)安防;2014年09期

4 雷煒;;一種對(duì)決策樹優(yōu)化的方法AdaBoost及其改進(jìn)[J];中原工學(xué)院學(xué)報(bào);2008年06期

5 吳家偉;嚴(yán)京旗;方志宏;夏勇;;基于Adaboost改進(jìn)算法的鑄坯表面缺陷檢測(cè)方法[J];鋼鐵研究學(xué)報(bào);2012年09期

6 武小紅;唐凱;孫俊;;基于Adaboost+OLDA和近紅外光譜的豬肉貯藏時(shí)間辨別[J];光譜學(xué)與光譜分析;2012年12期

7 于霜;丁煜函;劉國(guó)海;程錦翔;;生物發(fā)酵過(guò)程的LSSVM-Adaboost逆軟測(cè)量方法[J];計(jì)算機(jī)與應(yīng)用化學(xué);2013年11期

8 王磊;侯媛彬;李龍;;改進(jìn)AdaBoost算法的條碼識(shí)別[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

9 王文豪;嚴(yán)云洋;;基于AdaBoost RBF神經(jīng)網(wǎng)絡(luò)的火災(zāi)煙霧檢測(cè)[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

10 蔣白樺;劉偉;戴志軍;王宏安;;基于工況的操作模式優(yōu)化及在石化工業(yè)中的應(yīng)用[J];化工學(xué)報(bào);2012年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計(jì)算機(jī)應(yīng)用與系統(tǒng)建模國(guó)際會(huì)議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動(dòng)脈粥樣硬化判別方法[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測(cè)中的應(yīng)用[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細(xì)胞位置預(yù)測(cè)[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

6 陳宏偉;劉建偉;費(fèi)向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識(shí)別[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險(xiǎn)評(píng)估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會(huì)論文集[C];2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

2 張?zhí)珜?人眼注視點(diǎn)估計(jì)方法的研究[D];南開大學(xué);2013年

3 趙培英;基于智能計(jì)算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測(cè)研究[D];東華大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實(shí)時(shí)行人檢測(cè)算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測(cè)及統(tǒng)計(jì)方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測(cè)算法研究及其在硬件平臺(tái)上的實(shí)現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺(jué)圖片的腦—機(jī)接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進(jìn)膚色模型的AdaBoost人臉檢測(cè)算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點(diǎn)預(yù)測(cè)研究[D];南京理工大學(xué);2015年

10 張?jiān)?一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

，

本文編號(hào)：1301939