导读:本文包含了光谱波段论文开题报告文献综述及选题提纲参考文献，主要关键词:近红外光谱,鸡肉,蛋白质,波段优选
光谱波段论文文献综述
陶琳丽,杨秀娟,邓君明,曹胜雄,陈琛[1]（2019）在《基于光谱波段优化的鸡肉冻干粉粗蛋白近红外定量预测模型研究》一文中研究指出本文通过将鸡肉蛋白质近红外光谱特性与组合间隔偏最小二乘法(Si PLS)、遗传算法(GA)相结合筛选校正模型的最佳建模光谱区域,旨在提高鸡肉冻干粉粗蛋白近红外定量预测模型的预测精度和模型稳健性。以260个鸡腿肌冻干粉为研究对象,提取其中100个样品的蛋白质,在999.7～2502.3nm扫描腿肌冻干粉和腿肌提取蛋白冻干粉的NIRS,比较两光谱异同,根据腿肌提取蛋白冻干粉NIRS光谱特征及主成分分析(PCA)结果将全谱划分为10个建模光谱区,采用PLS建模,比较全谱建模与特征光谱组合区建模的优劣,筛选出基于鸡肉蛋白特征光谱的建模光谱组合区,应用Fi PLS和Bi PLS在全谱和优选出的光谱区再次进行建模光谱区域筛选,接着使用GA和FBi PLS进行第叁次建模光谱筛选。结果表明:在999.7～1850.4 nm波长上采用FBi PLS法优选出的建模光谱区1811.6～1794.0 nm、1756.2～1722.4 nm、1704.4～1688.9 nm、1594.4～1580.8 nm、1510.8～1485.7 nm、1472.1～1424.3 nm、1222.2～1057.6nm、1051.2～1008.7nm所建模型最优。研究显示,为保证校正模型的精确性和稳定性,在筛选最佳建模波长时,应将样品预测成分的光谱特征与光谱筛选数学算法相结果,才能获得更好的建模结果。(本文来源于《现代食品科技》期刊2019年08期）
杨刚,孙伟伟,张殿发[2]（2019）在《利用可分离非负矩阵分解实现高光谱波段选择》一文中研究指出高光谱影像波段众多且相关性强,导致分类存在信息冗余且计算量较大。提出了可分离非负矩阵分解方法来选取高光谱影像的代表性波段子集,在保证分类精度的同时降低计算量。该方法假设高光谱影像的波段集合具有可分离特性,改进传统非负矩阵分解模型,将波段选择转换为可分离非负矩阵分解问题,采用迭代投影方法来依次选取能够非负线性表达其他波段的代表性波段。在此基础上,利用两个公开高光谱数据集对比几种主流方法,采用定量评价和分类精度指标来综合评价所提的波段选择方法的效果。实验结果表明,可分离非负矩阵分解方法的分类精度高于其他几种方法,而且计算效率排名第2,能够选取合适的波段子集以满足高光谱遥感的应用需求。(本文来源于《武汉大学学报(信息科学版)》期刊2019年05期）
张爱武,康孝岩[3]（2018）在《p值统计量建模独立性的高光谱波段选择方法》一文中研究指出近年来,p值统计量的使用规范引起了统计学界的极大关注和集中讨论,广泛认为,p值统计量可表达观测数据与备择假设之间的不相容程度。为探究高光谱图像波段的相关分析p值与其样本独立性的联系,进行了演绎推理和实例验证,研究表明,与相关系数r统计量相比,相关分析p统计量可直接表达波段样本的独立性,且p值矩阵具有高水平的自稀疏性,便于建模和计算。进而,对相关性p值矩阵进行直方图频数统计,提出一种基于p值的高光谱自适应波段选择方法 p SMBS。选取典型数据进行了监督分类实验,结果表明,在Kappa系数、总体精度(OA)和平均精度(AA)上,p SMBS均优于同类方法 ABS、Inf FS和LSFS。说明p SMBS在高光谱波段选择方面具有突出的有效性,这也佐证了相关性p值对波段独立性的强表征能力。(本文来源于《红外与激光工程》期刊2018年09期）
任智伟,吴玲达[4]（2018）在《基于近邻传播算法的高光谱波段选择》一文中研究指出由于高光谱图像具有波段之间相关性高,信息冗余性强等特点,高光谱图像降维是高光谱图像预处理中的重要一步。波段选择在降维的同时能够保留原始数据的物理意义,在很多方面有着应用。近邻传播算法(Affinity PropagationClustering,AP)是Fray等在2007年提出的一种聚类方法。它将全部数据点看作潜在聚类中心,根据数据点之间的相关性进行聚类。论文提出一种基于AP聚类的波段选择方法,将小波变换引入聚类算法中相似度和偏好值的计算。将降维结果输入最小距离分类器进行分类,计算分类准确性,并通过数据集Indiana Pines验证,对比实验结果验证了论文提出方法的有效性。(本文来源于《舰船电子工程》期刊2018年09期）
黄灵光,周学林[5]（2018）在《南矶湿地国家自然保护区典型植被光谱波段特征分析及建库》一文中研究指出对鄱阳湖南矶湿地国家自然保护区具有典型代表性的湿地植被苔草、芦苇、南荻、虉草、水蓼、蒌蒿和狗牙根开展高光谱特征研究,在分析反射光谱数据的基础上,采用一、二阶导数方法分析各植被类型的反射光谱波段特征差异。结果表明,这7种植被在可见光波段内光谱反射率均低于15%;在"红边"位置的吸收率大小为蒌蒿>狗牙根>苔草>水蓼>芦苇>南荻>虉草,芦苇的红边斜率最大;一阶导数方法不能得到各植被光谱最佳特征波段,但二阶导数效果很好,显示7种典型植被类型在685.8、692.4、698.6、704.3、737.5、746.2 nm,差异明显;典型植被光谱库的建立,将为湿地植被分类提供基础数据。(本文来源于《湖北农业科学》期刊2018年11期）
任智伟,吴玲达[6]（2018）在《基于AP聚类的高光谱波段选择》一文中研究指出波段选择在降维的同时能够保留高光谱数据的物理意义,在很多方面具有一定应用。近邻传播(AP)算法根据数据点之间的相关性进行聚类,将所有数据点视为潜在的聚类中心。提出了一种基于AP聚类的波段选择方法,利用光谱信息散度和光谱相关角(SID-SCA)与光谱信息散度和光谱梯度角(SID-SGA)改进AP算法中相似度的计算。将降维结果输入支持向量机(SVM)分类器进行分类,计算分类准确性,并通过数据集Indiana Pines进行验证。实验结果表明:所提方法能够更好地提取波段的信息,得到更高的分类精度。(本文来源于《激光与光电子学进展》期刊2018年10期）
孙伟伟,马俊,杨刚,李巍岳[7]（2018）在《改进核空间对称稀疏表达用于高光谱波段选择》一文中研究指出提出改进核空间对称稀疏表达(IKSSR)降维方法来解决高光谱影像(HSI)的波段选择问题.该方法利用核函数方法和稀疏系数的二值约束条件改进对称稀疏表达模型,在映射得到的核空间构建包含所有波段向量对应的数据点的凸包,通过寻找最小凸包的原型点实现波段子集的优化选择.改进核空间对称稀疏表达方法采用矢量量化策略初始化波段子集,利用块坐标下降方法将非凸问题转换为凸目标函数优化问题,实现目标波段子集选取.基于两个公开高光谱数据集,对该方法和4种主流的波段选择方法进行实验比较研究.实验结果表明,利用改进核空间的对称稀疏表达方法得到的总体分类精度优于对称稀疏表达模型和其他3种方法.(本文来源于《浙江大学学报(工学版)》期刊2018年04期）
王春阳,张合兵,许志方,王双亭,邵伟宽[8]（2018）在《矩阵因子和信息散度融合的高光谱波段选择方法》一文中研究指出高光谱数据的数据量大、冗余度高,影响了影像分类的精度和速度。为解决这一问题,在基于矩阵模式的高光谱波段选择方法的基础上,提出了一种基于矩阵因子和光谱信息散度融合的波段选择方法。首先,用光谱信息散度代替原始用光谱相关系数衡量光谱维的相关性。然后,调整矩阵因子定义方式,根据单一量化指标大小选择最佳波段组合。最后,分别用最佳指数因子、自适应波段选择法、最优波段指数法波段和所提出的算法对AVIRIS高光谱数据进行波段选择试验。结果表明,在选择相同波段数目的情况下,所提出的算法最大化保留了光谱信息并去除了冗余波段,分类精度有明显提高。(本文来源于《遥感信息》期刊2018年02期）
吴一全,周杨,盛东慧,叶骁来[9]（2018）在《基于子空间中主成分最优线性预测的高光谱波段选择》一文中研究指出针对高光谱遥感图像的异常检测问题,为了使高光谱降维数据能更完整地保留其光谱信息,提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间,并对各子空间中的波段进行主成分分析(PCA),选择主要分量作为重构目标;以子空间追踪法为搜索策略,从各子空间中选择数个波段对其重构目标进行联合最优线性预测;合并各子空间中的所选波段得到最佳波段子集.实验结果表明,该方法选择的波段子集可以较完整地重构原始数据,与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比,其波段子集具有更好的异常检测性能.(本文来源于《红外与毫米波学报》期刊2018年01期）
刘鹏,张竞成,杨娉婷,王保通,吴开华[10]（2017）在《多生育期小麦条锈病光谱波段优选及监测研究》一文中研究指出针对不同时期对小麦条锈病高光谱监测的敏感波段进行优选,有利于从根本上提高病害监测的精度。本研究以小麦条锈病这种小麦中主要的病害为例,基于3年份多个生育期的小麦条锈病大田控制试验,结合t检验、相关性分析等统计检验和偏最小二乘判别分析法(PLS-DA)、偏最小二乘法回归(PLSR)成分系数对信息重要性的指示意义,建立一套病害诊断特征波段筛选方法,并针对病害发展在不同阶段的特点,分别优选出各阶段最适于病害监测的波段。经过分析,将病害侵染分为3个阶段,并在能够进行防治的前期和中期分别采用不同策略进行波段优选,得到适于早期监测的4个波段:576、705、712、1416 nm;适于中期监测的5个波段:558、632、675、696、712 nm。采用上述波段在前期和中期进行病情监测,前期分类精度达到了0.78,中期反演精度预测值与真实值的标准误差(RMSE)值0.12,这一结果表明这些波段能够为病害发展过程提供高光谱监测,为进一步的特征构建提供依据。(本文来源于《中国生物防治学报》期刊2017年06期）
光谱波段论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
高光谱影像波段众多且相关性强,导致分类存在信息冗余且计算量较大。提出了可分离非负矩阵分解方法来选取高光谱影像的代表性波段子集,在保证分类精度的同时降低计算量。该方法假设高光谱影像的波段集合具有可分离特性,改进传统非负矩阵分解模型,将波段选择转换为可分离非负矩阵分解问题,采用迭代投影方法来依次选取能够非负线性表达其他波段的代表性波段。在此基础上,利用两个公开高光谱数据集对比几种主流方法,采用定量评价和分类精度指标来综合评价所提的波段选择方法的效果。实验结果表明,可分离非负矩阵分解方法的分类精度高于其他几种方法,而且计算效率排名第2,能够选取合适的波段子集以满足高光谱遥感的应用需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
光谱波段论文参考文献
[1].陶琳丽,杨秀娟,邓君明,曹胜雄,陈琛.基于光谱波段优化的鸡肉冻干粉粗蛋白近红外定量预测模型研究[J].现代食品科技.2019
[2].杨刚,孙伟伟,张殿发.利用可分离非负矩阵分解实现高光谱波段选择[J].武汉大学学报(信息科学版).2019
[3].张爱武,康孝岩.p值统计量建模独立性的高光谱波段选择方法[J].红外与激光工程.2018
[4].任智伟,吴玲达.基于近邻传播算法的高光谱波段选择[J].舰船电子工程.2018
[5].黄灵光,周学林.南矶湿地国家自然保护区典型植被光谱波段特征分析及建库[J].湖北农业科学.2018
[6].任智伟,吴玲达.基于AP聚类的高光谱波段选择[J].激光与光电子学进展.2018
[7].孙伟伟,马俊,杨刚,李巍岳.改进核空间对称稀疏表达用于高光谱波段选择[J].浙江大学学报(工学版).2018
[8].王春阳,张合兵,许志方,王双亭,邵伟宽.矩阵因子和信息散度融合的高光谱波段选择方法[J].遥感信息.2018
[9].吴一全,周杨,盛东慧,叶骁来.基于子空间中主成分最优线性预测的高光谱波段选择[J].红外与毫米波学报.2018
[10].刘鹏,张竞成,杨娉婷,王保通,吴开华.多生育期小麦条锈病光谱波段优选及监测研究[J].中国生物防治学报.2017