0
关键词：
浓香型白酒,窖池,新技术,改造,产量,质量,效益
发表时间：
2012-12-19 16:06:49
基于DPLS特征提取的LDA方法在玉米近红外光谱定性分析中的应用
龙若亮 | -> | 804| 1| 1.013473MB |近红外光谱,线性判别分析,判别式偏最小二乘,定性分析,玉米
摘 要 提出了一种基于DPLS+ LDA 的玉米近红外光谱定性分析新方法。该方法在训练时, 首先用包含30 个玉米品种每个品种20 个近红外光谱样本的训练集进行DPLS 回归, 确定最佳DPLS 主成分数为28; 然后对训练集光谱进行DPLS 特征提取后再进行LDA 分析, 确定最佳LDA 主成分数为26, 并提取LDA 特征。识别时, 测试样本经过DPLS+ LDA 特征提取后, 用最小距离分类器进行识别。实验比较了DPLS +LDA 方法与传统的DPLS 回归预测方法及DPLS 特征提取方法的判别结果, DPLS+ LDA 方法的性能最优,等识率达到了96 18%, 而传统DPLS 预测方法只有85 38%, DPLS 特征提取方法为95 76%。实验结果说明DPLS+ LDA 方法是一种有效的玉米近红外光谱定性分析方法, 且具有很强的推广能力。
我国是玉米生产和消费大国, 未来对优良玉米品种的需求在不断增加, 品种的选育、种子的生产经营以及政府部门的管理监督等各个环节都迫切需要对玉米品种纯度和真实性进行快速鉴定的技术。传统的形态学检验法简单、直观, 但要求检验人员具有系统的农业科技知识, 同时必须熟悉品种之间的形态特征和生理特性的差异, 知道被检验品种特殊的形态特性, 因而不能满足种子生产、运输和加工等各个环节对检验的要求。随着种子科学与技术的不断发展, 品种鉴定由外观形态检验向室内生理指标和分子基因水平上的鉴定发展, 如电泳技术、分子标记技术[ 1] 以及近红外光谱分析[2, 3]等。室内鉴定周期短、费用低, 因而研究出简便、准确、快捷的种子室内鉴定方法成为近年来的热点。
近红外光谱( near infr ared spectro sco py , NIRS) 包含有丰富的物质信息, 光谱与物质本身的组成及含量是密切相关的[2] , 因此, 同类光谱之间存在相似性, 异类光谱之间存在差异性。利用品种内的相似性和品种间的差异性, 可以对物质的近红外光谱进行定性分析, 通过对光谱特征的分析研究来确定样品的归属。并且, 近红外光谱信息丰富、容易获取,借助于计算机技术和化学计量学方法, 可以对样品进行无损分析。简而言之, 近红外光谱分析方法具有简易、快速、无损等特点[ 3] , 近几年来开始成为品种识别的一个研究方向[ 4-6] 。
由于近红外光谱数据量通常很大, 并且光谱吸光度差异通常很小, 光谱具有复杂性和多变性, 有效信息率低, 因而在近红外光谱定性分析中通常需要对光谱进行数据压缩以及信息提取, 最常用的方法有主成分分析( pr incipal compo nentanalysis, PCA) [6] 和偏最小二乘法( par tial least squar es,PLS) 。Fisher 线性判别分析( linear discriminant analy sis,
LDA) , 是模式识别中一种较为普遍的用于特征提取的方法[ 7-10] , 但LDA 方法在实际应用中经常遇到小样本问题( small sample size, SSS) , 即样本的维数远远大于样本的数量, 从而导致LDA 求解困难, 一个常用的解决办法是对样本进行降维。LDA 在近红外光谱定性分析方面鲜有应用, 近红外光谱通常维数很高, 而可获取的样本数量相对较少, 同样存在小样本问题。本文提出了一种DPLS+ LDA 的特征提取方法对玉米近红外光谱进行定性分析, 先利用判别式偏最小二乘法( discr iminant par tial least squares, DPLS) 进行对玉米近红外光谱降维, 克服小样本问题, 然后采用线性鉴别分析的方法提取特征, 用最小距离分类器进行分类。实验中,比较了DPLS 回归预测方法、DPLS 特征提取方法和DPLS+ LDA 特征提取方法对已训练玉米品种的正确识别率以及对未训练玉米品种的正确拒识率。实验结果表明DPLS +LDA 方法对已训练玉米品种样品的正确识别率最高, 同时能有效拒识未训练玉米品种的样品, 因而DPLS+ LDA 方法性能最优, 且有较强的推广能力。1 材料与方法1
近红外光谱( near infr ared spectro sco py , NIRS) 包含有丰富的物质信息, 光谱与物质本身的组成及含量是密切相关的[2] , 因此, 同类光谱之间存在相似性, 异类光谱之间存在差异性。利用品种内的相似性和品种间的差异性, 可以对物质的近红外光谱进行定性分析, 通过对光谱特征的分析研究来确定样品的归属。并且, 近红外光谱信息丰富、容易获取,借助于计算机技术和化学计量学方法, 可以对样品进行无损分析。简而言之, 近红外光谱分析方法具有简易、快速、无损等特点[ 3] , 近几年来开始成为品种识别的一个研究方向[ 4-6] 。
由于近红外光谱数据量通常很大, 并且光谱吸光度差异通常很小, 光谱具有复杂性和多变性, 有效信息率低, 因而在近红外光谱定性分析中通常需要对光谱进行数据压缩以及信息提取, 最常用的方法有主成分分析( pr incipal compo nentanalysis, PCA) [6] 和偏最小二乘法( par tial least squar es,PLS) 。Fisher 线性判别分析( linear discriminant analy sis,
LDA) , 是模式识别中一种较为普遍的用于特征提取的方法[ 7-10] , 但LDA 方法在实际应用中经常遇到小样本问题( small sample size, SSS) , 即样本的维数远远大于样本的数量, 从而导致LDA 求解困难, 一个常用的解决办法是对样本进行降维。LDA 在近红外光谱定性分析方面鲜有应用, 近红外光谱通常维数很高, 而可获取的样本数量相对较少, 同样存在小样本问题。本文提出了一种DPLS+ LDA 的特征提取方法对玉米近红外光谱进行定性分析, 先利用判别式偏最小二乘法( discr iminant par tial least squares, DPLS) 进行对玉米近红外光谱降维, 克服小样本问题, 然后采用线性鉴别分析的方法提取特征, 用最小距离分类器进行分类。实验中,比较了DPLS 回归预测方法、DPLS 特征提取方法和DPLS+ LDA 特征提取方法对已训练玉米品种的正确识别率以及对未训练玉米品种的正确拒识率。实验结果表明DPLS +LDA 方法对已训练玉米品种样品的正确识别率最高, 同时能有效拒识未训练玉米品种的样品, 因而DPLS+ LDA 方法性能最优, 且有较强的推广能力。1 材料与方法1
龙若亮发布的其他共享资料
-
-
关键词： 溶解有机质,太阳辐射,三维荧光光谱 发表时间： 2012-03-28 15:40:26
-
关键词： 黄酮,荧光光谱,量子化学,CIS 发表时间： 2012-03-28 15:39:09
-
关键词： 近红外光谱,线性判别分析,判别式偏最小二乘,定性分析,玉米 发表时间： 2012-01-26 16:12:38
-
关键词： 气温.空间插值.Kriging.DEM.伊犁河谷 发表时间： 2012-01-26 16:11:05
-
关键词： 叶绿素ａ,遥感,季节分布模式,太湖 发表时间： 2012-01-26 16:09:47