基于近红外光谱的未知类别样品聚类方法研究

摘要：

对于大量样品参与建模的情况,将样品集进行分类建模,可以减少样品的变异范围,提高近红外模型的预测能力.本文以全国各地小麦样品222 份为建模样品,采用基于试探的未知类别的样品聚类方法,分别用最邻近规则法和最大最小距离算法对实验样品集分类建模.从分类实现过程和结果可以看出:基于试探的未知类别的样品聚类方法中无需多次训练,且对未知类别的样品集无需事先确定分类数目,但需要确定分类阈值,阈值不同,则分类结果会随之改变.

关键词： 近红外光谱 样品集 分类建模 聚类分析

作者: 徐云 王一鸣 吴静珠

作者单位: 中国农业大学信息与电气工程学院,北京 100083 北京工商大学计算机与信息工程学院,北京,100037

会议类型: 国内会议

会议名称: 中国农业工程学会电气信息与自动化专委会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会

会议地点: 北京

会议语种:中文

页码: 1-5

在线出版日期: 2010-10-29（万方平台首次上网日期，不代表论文的发表时间）