性高朝久久久久久久齐齐_久久精品卫校国产小美女_中文无码av一区二区三区_久久精品人人看人人爽_思思99思思久久最新精品

020-8288 0288

高光譜數(shù)據(jù)特征波長(zhǎng)的提取及建模方法介紹

發(fā)布時(shí)間:2024-07-05
瀏覽次數(shù):230

高光譜成像儀?檢測(cè)到的光譜數(shù)據(jù)由數(shù)百個(gè)波段組成,光譜數(shù)據(jù)會(huì)顯得非常大且冗余,造成后期光譜數(shù)據(jù)處理分析時(shí)效率不高,精度不高,速度下降。因此,為了提升樣本信息分析的準(zhǔn)確性,就需要進(jìn)行光譜數(shù)據(jù)的提取,并進(jìn)行模型建設(shè)。本文對(duì)高光譜數(shù)據(jù)特征波長(zhǎng)的提取及建模方法做了介紹。

高光譜成像儀檢測(cè)到的光譜數(shù)據(jù)由數(shù)百個(gè)波段組成,光譜數(shù)據(jù)會(huì)顯得非常大且冗余,造成后期光譜數(shù)據(jù)處理分析時(shí)效率不高,精度不高,速度下降。因此,為了提升樣本信息分析的準(zhǔn)確性,就需要進(jìn)行光譜數(shù)據(jù)的提取,并進(jìn)行模型建設(shè)。本文對(duì)高光譜數(shù)據(jù)特征波長(zhǎng)的提取及建模方法做了介紹。

高光譜成像儀

高光譜數(shù)據(jù)特征波長(zhǎng)的提取方法:

常用的特征波長(zhǎng)提取算法有遺傳算法(GA)、競(jìng)爭(zhēng)性自適應(yīng)重加杈算法(CARS)、無信息變量消除法(UME)、連續(xù)投影算法(SPA)、回歸系數(shù)法(RC)、Random frog等。高光譜數(shù)據(jù)分析中沒有標(biāo)準(zhǔn)的、唯一的方法選擇最佳波長(zhǎng)。

1.Random frog方法

基于可逆跳馬爾可夫鏈蒙特卡洛算法,在模型空間中模擬一條服從穩(wěn)態(tài)分布的馬爾可夫鏈,來計(jì)算每個(gè)變量的被選概率,從而進(jìn)行變量的選擇。

2.CARS方法

模仿達(dá)爾文進(jìn)化論中的“適者生存”法則,利用指數(shù)衰減函數(shù)和自適應(yīng)重加權(quán)采樣技術(shù)去除PLSR模型中權(quán)重較小的回歸系數(shù),優(yōu)選出權(quán)重前幾的系數(shù)。

3.SPA方法

通過對(duì)光譜數(shù)據(jù)進(jìn)行一系列的投影映射構(gòu)造新的變量集,并根據(jù)多元線性回歸評(píng)價(jià)模型的預(yù)測(cè)性能,該變量集中變量的共線性最小。

4.UME方法

向PLSR模型中添加幅度較小的隨機(jī)變量矩陣,基于交叉驗(yàn)證建立新的PLSR模型。將每個(gè)變量系數(shù)平均值和標(biāo)準(zhǔn)差的商作為穩(wěn)定性的值,同隨機(jī)變量矩陣得到的穩(wěn)定性的值作比較,選出被認(rèn)為和隨機(jī)變量一樣對(duì)模型建立無效的波長(zhǎng)變量。

5.GA方法

模擬生命進(jìn)化機(jī)制,從任意一個(gè)初始群體出發(fā),產(chǎn)生一群新的更適應(yīng)環(huán)境的個(gè)體,使群體進(jìn)化到搜索區(qū)域中越來越好的區(qū)域。

6.RC方法

PLSR建模所得到的模型回歸系數(shù),挑選系數(shù)絕對(duì)值大的作為特征波長(zhǎng)。


高光譜數(shù)據(jù)的建模方法介紹:

由于高光譜數(shù)據(jù)的復(fù)雜以及數(shù)據(jù)量很大,很難直接的對(duì)數(shù)據(jù)進(jìn)行定量定性分析,因此需要對(duì)提取得到的光譜數(shù)據(jù)采用化學(xué)計(jì)量學(xué)的方法進(jìn)行建模分析,對(duì)經(jīng)過特征波長(zhǎng)變量提取后的光譜建立多元變量校正模型,比較不同模型的預(yù)測(cè)效果,選取最優(yōu)模型,便于以后的儀器開發(fā)應(yīng)用。目前,采用的化學(xué)計(jì)量學(xué)建模算法主要是偏最小二乘回歸法(PLSR)和最小二乘支持向量機(jī)(LS-SVM)。

1.偏最小二乘回歸法(PLSR)

PLSR是一種常見的多元統(tǒng)計(jì)方法,廣泛應(yīng)用于光譜檢測(cè)模型的建立。其原理是將因子分析和回歸分析相結(jié)合,同時(shí)將光譜數(shù)據(jù)和理化參考數(shù)據(jù)分解,采用留一法交互驗(yàn)證計(jì)算預(yù)測(cè)殘差平方和,再根據(jù)潛在變量的累積貢獻(xiàn)率和預(yù)測(cè)殘差平方和,尋找最佳的潛在變量個(gè)數(shù)將光譜數(shù)據(jù)和理化參考值相關(guān)聯(lián),建立回歸模型。其優(yōu)點(diǎn)是較好的解決了樣本個(gè)數(shù)少于變量個(gè)數(shù)的問題。

2.最小二乘支持向量機(jī)(LS-SVM)

LS-SVM是一種改進(jìn)的支持向量機(jī)算法,能夠快速的進(jìn)行線性和非線性建棋分析,能有效解決高維數(shù)據(jù)分析問題,其算法思想是將原始樣本數(shù)據(jù)映射到高維空間里,用等式約束取代不等式約束,在高維空間里對(duì)最小化損失函數(shù)進(jìn)行求解獲得線性擬合函數(shù)。將傳統(tǒng)支持向量機(jī)的二次規(guī)劃問題,簡(jiǎn)化成求解一個(gè)等式方程組問題,大大提高計(jì)算效率。

聯(lián)系我們

Contact us
廣東賽斯拜克技術(shù)有限公司
  • 地址:廣州市增城區(qū)新城大道400號(hào)智能制造中心33號(hào)樓601
  • 電話:020-8288 0288   13500023589
  • 郵箱:3nh@3nh.com
  • 網(wǎng)址:http://www.udagawajidousya.com
Copyright © 2024 廣東賽斯拜克技術(shù)有限公司 版權(quán)所有
  • 公司聯(lián)系方式
    QQ
  • 網(wǎng)站首頁
    首頁
  • 公司聯(lián)系電話
    電話
  • 返回
    返回頂部