近红外结合变量选择算法用于制浆材树种的识别
应用支持向量机递归特征消除算法(Support Vector Machine-Recursive Feature Elimination,SVM-RFE)对多种制浆材的近红外光谱进行特征变量提取.该算法以建模过程中的权向量作为变量重要性评价依据,通过循环迭代方式逐步筛选变量.然后以每次循环所得变量子集建立SVM模型并以模型交叉验证分类正确率评估子集优劣,确定最优特征变量子集.将该算法结合阿达玛变换近红外光谱建立制浆造纸常用木材的树种识别模型,实现对四种桉木和两种相思木的快速识别分类.最终SVM-RFE共筛选出21个特征变量建立分类模型,模型对各树种分类正确率达到98.4％,具有较好的分类效果.研究结果表明,SVM-RFE算法能够有效优化光谱特征变量,提高近红外在线分析模型在木材材性分析中的稳健性和适用性.
制浆造纸工程 树种识别 近红外光谱 变量选择算法
梁龙 房桂干 吴珽
中国林业科学研究院林产化学工业研究所;江苏省生物质能源与材料重点实验室;国家林业局林产化学工程重点开放性实验室;生物质化学利用国家工程实验室,江苏南京,210042
国内会议
南京
中文
230-234
2015-11-01（万方平台首次上网日期，不代表论文的发表时间）