移動窗口平滑集成CARS算法(MWS-ECARS)是一種穩(wěn)定的特征變量提取算法。在前人研究的基礎上,提出了兩種基于不同窗口平滑算法改進的MWS-ECARS對紅茶光譜降維,并與原始的MWS-ECARS、常用的連續(xù)投影算法(SPA)、競爭性自適應重加權算法(CARS)、移動窗口偏最小二乘法(MWPLS)比較,建立偏最小二乘算法回歸模型(PLSR),選擇出最優(yōu)紅茶等級判別模型。兩種改進的MWS-ECARS方法分別是窗口高斯濾波平滑集成CARS(gaussian filter ECARS, GF-ECARS)、窗口中值濾波平滑集成CARS(median filter ECARS, MF-ECARS)。CARS算法運行n次(該研究n=1 000),整合波長及其對應的挑選頻率并用不同的窗口平滑算法對挑選頻率進行平滑,窗口寬度均為3～31,窗口步長均為2;將通過不同窗口寬度和平滑算法平滑過的挑選頻率進行閾值的設定,起始閾值及步長均為20;最后選擇出挑選頻率大于閾值的波長,建立PLSR模型,以預測集相關系數(shù)(R_P²)為判斷因子,R_P

【文章頁數(shù)】：6 頁

【文章目錄】：
引 言
1 實驗部分
    1.1 紅茶樣品的制備及可見-近紅外光譜的采集
    1.2 MWS-ECARS原理
2 結果與討論
    2.1 紅茶樣本的可見-近紅外光譜
    2.2 光譜數(shù)據(jù)預處理
    2.3 光譜數(shù)據(jù)降維
        2.3.1 基于MWS-ECARS的光譜數(shù)據(jù)降維
        2.3.2 基于連續(xù)投影算法(SPA)和競爭自適應重加權算法(CARS)的光譜數(shù)據(jù)降維
        2.3.3 移動窗口偏最小二乘法(MWPLS)挑選特征波段
    2.4 建模結果分析
3 結 論



本文編號：3849202