一种基于小波最佳分解层数的红外光谱基线校正算法

红外光谱分析技术是一种用于食品健康检测、生物制药和环境监测等方面的高新技术。为了去除应用过程中的基线漂移现象,提出了一种基于小波最佳分解尺度的红外光谱基线校正算法。首先,对原始光谱信号多次进行每一层的小波分解,同时也进行每一层的小波重构。然后算得每一层的信噪比,并通过信噪比比对法获得除噪后的光谱信号。接着对该信号进行每一层的小波分解,得到每一层小波细节和小波逼近的频率。分别将两个频率做除法并求出比值。然后比较每层的比值大小,并选择最大的比值作为分解层数的最佳值。将最佳分解层数下的小波逼近系数置零后再进行小波重构,获得基线校正后的光谱信号。通过实验验证发现,该算法不仅可以为小波分解的最佳层数提供依据,而且能够在更好地保留有用信号的同时,除去高频噪声以及低频基线干扰。基线校正比较充分,效果良好。     

基于零亏损冗余删减策略的最优光谱特征选择法

为了以最小的代价筛选出最优的光谱特征,从信息亏损角度提出了一种Filter型光谱特征选择算法.该算法依据联合互信息的大小对特征进行排序,并采用一种零信息亏损原则对排序后特征全集中的冗余特征进行判断和删减.这样既能获得一个规模较小并可表现整个原始光谱特征的最优光谱特征子集,又减小了由冗余特征删减带来的信息亏损.     

一种动态赋权红外光谱特征选择算法研究

大规模的红外光谱数据集中存在大量无关冗余的特征。针对这一问题,提出了一种动态赋权红外光谱特征选择算法(Dynamic Weight Infrared Spectrum Feature Selection Algorithm, MBDWFS)。 该算法把对称不确定性度量标准与近似Markov Blanket相结合,以删除原始光谱数据集中无关冗余的特征,从而获取数据规模较小且最优的特征子集。通过与 FCBF、ID$_3$ 和ReliefF三种经典特征选择算法的性能仿真对比试验,证明所提出的MBDWFS算法在整体分类性能上优于其他三种算法,用于红外光谱的物质分析领域时效果更好。     

基于零亏损冗余删减策略的最优光谱特征选择算法

为了以最小的代价筛选出最优的光谱特征,从信息亏损角度提出了一种Filter型光谱特征选择算法。该算法依据联合互信息的大小对特征进行排序,并采用一种零信息亏损原则对排序后特征全集中的冗余特征进行判断和删减。这样既能获得一个规模较小并可表现整个原始光谱特征的最优光谱特征子集,又减小了由冗余特征删减带来的信息亏损。     

分光测色仪的模块化设计与研究

针对国内分光测色仪研制技术受制于人的困境,该本采用模块化方案设计并研制1套分光测色仪,从积分球照明系统、光谱探测系统、硬件电路和软件系统几个方面进行方案分析,硬件电路核心电子元器件均采用国产化方案。试验表明,研制的分光测色仪光谱范围为355～785 nm,波长准确度小于0.3 nm,CIELAB系统测色误差重复性达到0.01。