基于模糊隶属度的近红外光谱模型鲁棒性分析.pdf

《基于模糊隶属度的近红外光谱模型鲁棒性分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第36卷第3期哈尔滨工程大学学报Vo1．36No．32015年3月JournalofHarbinEngineerin~UniversiMat．2015基于模糊隶属度的近红外光谱模型鲁棒性分析高珏。，李海森，徐超r，朱培逸。(1．哈尔滨工程大学水声工程学院，黑龙江哈尔滨150001；2．哈尔滨工程大学水声技术重点实验室，黑龙江哈尔滨150001；3．常熟理工学院电气与自动化工程学院，江苏常熟215500)摘要：针对近红外光谱模型存在的鲁棒性问题，在模型建立时引入模糊隶属度，提出了一种自动生成模糊隶属度的方法。建立光谱样本

2、的数据域描述函数，引入信任因子和舍弃因子，通过映射关系得到模糊隶属度函数，参数寻优后自动生成每个样本的模糊隶属度。在此基础上建立了基于FSVM的苹果糖度回归模型。试验结果表明，对比常规的MLR、PLSR和SVM模型，FSVM模型在训练样本变化和高斯噪声、乘性噪声、基线漂移、基线倾斜和波长漂移这5种噪声的分别作用下表现出最佳的性能。模糊隶属度的引入提高了近红外光谱模型的泛化能力和抗噪能力，改善了模型的鲁棒性。关键词：鲁棒性；模糊隶属度；近红外光谱；建模；噪声；数据域描述doi：10．3969／j．issn．1006-70

3、43．201312026网络出版地址：http：／／www．cnki．net／kcms／detail／23．1390．U．20150109．1504．005．html中图分类号：TP273．4文献标志码：A文章编号：1006．7043(2015)03。0312—05RobustnessanalysisofnearinfraredspectroscopymodelusingfuzzymembershipGAOJue’，LIHaisen，XUChao，ZHUPeiyi(1．CollegeofUnderwaterAcoust

4、icEngineering，HarbinEngineeringUniversity，Harbin150001，China；2．ScienceandTechnologyonUnderwaterAcousticLaboratory，HarbinEngineeringUniversity，Harbin150001，China；3．CollegeofElectricandAutomaticEngi—neering，ChangshuInstituteofTechnology，Changshu215500，China)Abstra

5、ct：Inordertoanalyzetherobustnessofthenearinfraredspectroscopymodel，thisPaperproposesamethodofautomaticallygeneratingthefuzzymembershipbyintroducingthefuzzymembershipwhenbuildingthemode1．Thismethodconstructsadescriptionfunctioninthedatadoraainofspectrumsamples，in

6、troducestwofactors—eonfi—dentfactorandtrashyfactor，andthenobtainsthefuzzymembershipfunctionofsamplesfromamappingfunction．Itautomaticallygeneratesthefuzzymembershipofeachsampleafteroptimizingparameters．Onthatbasis．there—gressionmode1ofapplesugarcontentwasbuiltbas

7、edonfuzzysupportvectormachines(FSVM)．rheexperimentalresultsrevealedthatcomparingwithregularmultivariatelinearregression(MLR)，partialleastsquaresregressionfPLSR)andsupportvectormachines(SVM)，theFSVMmodelshowedthebestperformancewiththechangeoftrainingsamples，under

8、theinflueneeoffivenoises，i．e．Gaussiannoise，multiplicativenoise，baselineshift，base—lineslopeandwavelengthshift．Themodelshowsbetterperformanceinrobustness．especiallygen