SVM自助重加权采样的蚕茧雌雄特征波长选择

• 作者: 陈楚汉 钟杨生 王先燕 赵懿琨 代芬
• 来源期刊: 光谱学与光谱分析
• 学科: 社会科学
• 关键词: 蚕茧 近红外光谱 特征选择
• 年，卷（期）: 2022,（4）
• 页码范围: 1173-1178
• 页数: 6页
• 分类号: G307
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2022)04-1173-06

摘要

使用近红外光谱鉴别蚕茧雌雄设备成本较高,挑选有用特征可以减少成本.雌雄蚕茧的近红外光谱存在着共线性的关系,因此提出了一种包裹式的特征选择方法,基于支持向量机的自助重加权采样(BRS-SVM)的特征选择方法.使用NirQuest512近红外光谱仪采集了蚕茧的漫透射近红外光谱.用试验集的全波段建模得到特征重要度热图,并通过热图得到重要特征波段的范围.然后在重要特征波段范围内,分别用BRS-SVM、基于SVM的特征排序方法(MBR-SVM)、基于逻辑回归的特征排序方法(MBR-LR)、递归特征消除法(RFE)、连续投影算法(SPA)和遗传算法(GA)挑选单波段特征和连续波段面积特征,再分别用支持向量机(SVM)和逻辑回归(LR)建立雌雄分类模型.通过特征重要性热力图发现,蚕茧雌雄分类重要区域在900～1399 nm内,用此波段范围建立SVM模型,试验集准确率为99.40％.用BRS-SVM挑选5个单波段特征,然后再用S V M建模,验证集准确率为93.88％,高出其他特征选择方法5％ ～12％,测试集准确率为89.56％,测试集准确率高出其他特征选择方法2％ ～4％.用BRS-SVM挑选27个单波段特征,建立SVM雌雄分类模型测试集准确率为94.97％,准确率达到生产条件要求.用BRS-SVM挑选的14个连续波段面积特征,再用SVM建模,测试集准确率为94.43％.在挑选少量特征情况下,我们提出的BRS-SVM要优于其他方法.用BRS-SVM挑选少量的特征,可以建立性能良好的蚕茧雌雄分类模型,有效减少了成本,具有重要的现实意义.