近红外光谱的小波域分析及特征提取方法的研究
复杂样本的近红外光谱属于高维复杂数据，具有难以解析的复杂性，从高维光谱数据中有效提取出关键特征，消除无用信息的影响是近红外光谱学建模技术中的关键科学问题和技术难点。因此，研究适应近红外光谱特征信息提取和处理的技术有重要意义。 局部时频特性是小波分析的重要特点。由于这种分析方法可以把信号按照不同的尺度进行分割。因此，在各个信息处理领域中都有广泛的应用。尤其通过小波分解和重构的过程，对信息在频域进行加工或筛选，是实现特征提取的重要手段。本文主要是针对透射近红外光谱和水分之间建模，研究如何利用小波实现特征提取及提高模型精度。由于特征提取通常属于数学中的NP难题，所以本文采用了信息粗粒化的方法，在有监督学习的方式下，通过选取小波系数，提取了关键特征信息，优化了模型，提高了模型的预测精度。
近红外光谱技术;特征提取;小波系数;信息处理;时频特性;预测精度
长春理工大学
硕士
物理电子学
石晓光
2012
中文
O657.33;TN911.7
43
2012-12-31（万方平台首次上网日期，不代表论文的发表时间）