基于近红外光谱和集成学习的烤烟叶部位快速鉴别
作者机构：中国科学技术大学化学与材料科学学院 重庆中烟工业有限责任公司技术中心
出 版 物：《分析试验室》 (Chinese Journal of Analysis Laboratory)
年 卷 期：2024年
学科分类：081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070302[理学-分析化学] 0703[理学-化学] 0822[工学-轻工技术与工程]
基 金：横向项目烟草近红外光谱在烤烟烟叶分类及果胶含量测定中的应用研究(2020500000300361)基金资助
摘 要：本研究基于近红外光谱技术，结合线性判别分析(LDA)和随机子空间方法(RSM)，构建了RSM-LDA集成学习模型，用于实现烤烟叶部位高效、准确鉴别。对RSM-LDA模型的子空间维度和分类器数量2个关键参数进行了优化。比较了不同预处理方法、样本集组成和训练集大小对建模的影响。结果表明，基于原始光谱数据的RSM-LDA模型即可达到很好的鉴别效果，训练集和测试集准确率分别为98.89%和98.33%。相较于基于单个分类器的鉴别方法，该方法鉴别准确率高、稳定性好，可为烤烟叶部位的高效、准确鉴别提供参考。
同方期刊数据库