| 摘 要： | 为提高马铃薯VC含量检测结果的准确性和可靠性，提出一种基于Fisher判别分析（Fisher?discriminant?analysis,FDA）可分性数据融合的检测模型输入变量构建方法。首先，利用高光谱成像技术采集200个马铃薯的高光谱信息，通过对比6种预处理方法和原始数据的建模结果，确定多元散射校正为光谱数据的预处理方法；其次，采用竞争性自适应重加权采样（competitive?adaptive?reweighted?sampling,CARS）、连续投影算法（successive?projections?algorithm,SPA）及CARS-SPA组合算法3种方法提取相应特征波长，通过对比分析最终确定34个有效特征波长；然后，将有效特征波长进行FDA可分性数据融合，根据融合的新变量对样本间差异性判别能力的大小进行筛选，确定构建检测模型的输入变量；最后，分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络（back?propagation?neural?network,BPNN）模型，并对检测结果进行对比分析。结果表明，将CARS算法提取的34个特征波长进行FDA融...
|
