基于高光谱图像技术的苹果粉质化LLE-SVM分类

详细信息   全文下载|推荐本文 |

• 出版年：2010
• 作者：赵桂林；朱启兵；黄敏
• 单位1：江南大学通信与控制工程学院
• 出生年：1986年
• 学历：硕士研究生
• 语种：中文
• 作者关键词：粉质化；高光谱散射图像技术；局部线性嵌入；非线性降维；支持向量机
• 起始页：2739
• 总页数：5
• 经费资助：国家自然科学基金项目（60805014）和中央高校基本科研业务费专项资金项目（JUSRP20913）资助
• 刊名：光谱学与光谱分析
• 是否内版：否
• 刊频：月刊
• 创刊时间：1981
• 主管单位：中国科学技术学会
• 主办单位：中国光学学会
• 主编：黄本立
• 地址：北京市海淀区魏公村学院南路76号钢铁研究总院
• 邮编：100081
• 电子信箱：chngpxygpfx@vip.sina.com
• 网址：http://www.gpxygpfx.com
• 卷：30
• 期：10
• 期刊索取号：P342.06 220
• 数据库收录：物理类、化学类核心期刊
• 核心期刊：物理类、化学类核心期刊

摘要

苹果粉质化程度是衡量其内部品质的一个重要因素，采用了高光谱散射图像技术进行苹果粉质化的无损检测。针对高光谱散射图像数据量大的特点，提出了局部线性嵌入（local linear embedded，LLE）和支持向量机（support vector machine，SVM）相结合的用于检测苹果粉质化的新分类方法。LLE是一种通过局部线性关系的联合来揭示全局非线性结构的非线性降维方法，能有效计算高维输入数据在低维空间的嵌入流形。对降维后的高光谱数据采用SVM进行分类。将LLE-SVM分类方法与传统的SVM分类方法比较，仿真结果表明，对高光谱数据而言，用LLE-SVM得到的训练精度高于单纯使用SVM的训练精度；降维前后，分类器的测试精度变化不大，波动范围不超过5%。LLE-SVM为高光谱散射图像技术进行苹果粉质化无损检测提供了一个有效的分类方法。