CAJ | 학술논문

提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见一近红外光谱特征波长的新方法(SA-LS-SVM).该方法用LS-SVM作为识别器,用识别率作为SA的目标函数,提取合适的特征波长数以及对应的特征波长.3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA_LS-SVM,主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理,提取特征波长或主成分,然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测.结果发现,SA-LS-SVM只需从751个数据光谱中提取4个特征波长,就可以使三种品牌润滑油的识别率达到了100%,而其他所有的方法发现预测率都达不到100%,由此验证了SA_LS-SVM的优越性.实验结果表明,SA-LS-SVM不仅能有效地减少建模的变量数,而且可以提高预测精度.
제출료일충기우모의퇴화(SA)산법화최소이승법지지향량궤(LS-SVM)선택가견일근홍외광보특정파장적신방법(SA-LS-SVM).해방법용LS-SVM작위식별기,용식별솔작위SA적목표함수,제취합괄적특정파장수이급대응적특정파장.3충불동품패적윤활유가견-근홍외광보적특정파장분별용SA_LS-SVM,주성분회귀분석(PCA)화편최소이승법(PLS)진행처리,제취특정파장혹주성분,연후결합반향전파인공신경망락(BP-ANN)대각충처리방법진행식별예측.결과발현,SA-LS-SVM지수종751개수거광보중제취4개특정파장,취가이사삼충품패윤활유적식별솔체도료100%,이기타소유적방법발현예측솔도체불도100%,유차험증료SA_LS-SVM적우월성.실험결과표명,SA-LS-SVM불부능유효지감소건모적변량수,이차가이제고예측정도.