一种基于卷积神经网络的近红外光谱波长选择方法.pdf
大渊****公主
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于卷积神经网络的近红外光谱波长选择方法.pdf
本发明提供一种基于卷积神经网络的近红外光谱波长选择方法,包括以下步骤,S1搭建CNN卷积神经网络;S2采用检测目标近红外光谱标样训练CNN模型,更新CNN卷积神经网络超参数;S3模拟正向传播过程,获取波长点权重大小。本发明优选波长后的模型性能明显由于全波长的情况,与iPLS相比,特征波长数更少,性能相当,略有优势。由于本专利为波长点选择算法,当阈值间隔粒度取值更小时,可以获得更高精度的特征波长选择结果。
一种基于神经网络的红外光谱反卷积方法.pdf
本发明公开了信号处理技术领域的一种基于神经网络的红外光谱反卷积方法,旨在解决现有技术中由于非盲反卷积和半盲反卷积方法需要先验知识作为支撑,因而限制了其在红外光谱信号处理实际场景中的应用;全盲反卷积处理效果的准确性以及效率不佳,容易受到自然界中的随机噪声影响的技术问题。所述方法包括如下步骤:基于初始红外光谱信号及其退化红外光谱信号构建样本集;利用所述样本集对预构建的神经网络进行训练,所述神经网络的损失函数引入有自步正则项;利用训练好的神经网络处理目标红外光谱信号。
基于改进型模拟退火算法的近红外光谱特征波长选择方法.pdf
本发明提供了一种基于改进型模拟退火算法的近红外光谱特征波长选择方法,首先对近红外光谱数据集随机初始化当前解S;然后在温度参数t和马尔可夫链长度参数L的控制下,在当前解S的基础上产生新解S’,并以改进型Metropolis接受准则判断当前解S和新解S’的重要性;最后当温度控制参数t达到设定的结束温度时,返回最优特征波长及最优特征波长对应模型的效果。通过对传统模拟退火算法中Metropolis接受准则的改进,使得改进型模拟退火算法不仅提高了选择近红外光谱特征波长的效果、简化了模拟退火算法的参数设置,而且保留了
近红外光谱特征波长选择方法、装置、设备和存储介质.pdf
本发明适用于近红外光谱分析技术领域,提供一种近红外光谱特征波长选择方法、装置、设备和存储介质,方法包括:获取近红外光谱数据中待选择的各波长点变量;根据各波长点变量与响应变量之间的相关性度量信息,从各波长点变量中选择与所述响应变量的相关性大于第一预设阈值的第一波长点;根据各第一波长点之间的相关性度量信息,从各第一波长点中选择与其他第一波长点的相关性小于第二预设阈值的第二波长点。通过先选取与响应变量的相关性较大的第一波长点,再从第一波长点中选择那些与其他第一波长点的相关性较小的第二波长点,即减少了数据的冗余,
一种近红外光谱定量分析中的波长选择方法.pdf
本发明提出的近红外光谱定量分析中的波长选择方法采用高光谱成像系统获取标准参考对象的高光谱图像,采用微小型光谱学传感器获取分析对象的可见光‑近红外反射光谱。对于标准参考对象的高光谱图像,对其光谱数据进行二阶差分运算、平滑去噪,得到标准参考对象数据集;对于所述分析对象的可见光‑近红外反射光谱去除异常数据,采用蒙特卡洛抽样方法进行分析,然后执行小波包分解和重构方法进行数据平滑,得到分析对象数据集。在建模过程中充分挖掘不同数据集本身的分类标准,采用欧式距离相似度判断,从而客观的得出不同类的数据集,并选择其中两类数