吴开宇
- 作品数：1 被引量：3H指数：1
- 供职机构：桂林电子科技大学计算机与信息安全学院更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法被引量：3
- 2017年
- 提出一种稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法。首先对近红外光谱数据进行小波变换以消除基线漂移,然后用稀疏降噪自编码(SDAE)网络提取光谱特征并降维表示,最后采用高斯过程(GP)进行二分类,其中GP选用光谱混合(SM)核函数作为协方差函数,记此分类网络为wSDAGSM。自编码网络具有很强的模型表示能力,高斯过程分类器在处理小样本数据时具有优势。wSDAGSM网络通过稀疏降噪自编码学习得到维数更低但更有价值的特征来表示输入数据,同时将具有很好表达力的光谱混合核作为高斯过程的协方差函数,有利于更准确的光谱数据分类。以琥乙红霉素及其他药品的近红外光谱为实验数据,将该方法与经过墨西哥帽小波变换的BP神经网络(wBP)、支持向量机(wSVM),SDAE结合Logistic二分类(wSDAL)、SDAE结合采用平方指数(SE)协方差核的GP二分类(wSDAGSE),以及未采用小波变换的SDAGSM网络等方法进行对比。实验结果表明,对光谱数据进行墨西哥帽小波变换预处理能有效提升SDAGSM网络的分类准确率和稳定性。wSDAGSM方法无论从分类准确率还是分类结果稳定性方面,都优于其他分类器。
- 周洁茜刘振丙杨辉华郑安兵潘细朋曹志伟吴开宇杨金鑫冯艳春尹利辉胡昌勤
- 关键词：高斯过程小波变换近红外光谱药品鉴别
