基于数据增强和RFE-PCA-BP的少样本芘浓度分类方法 |
| |
引用本文: | 马晨宇,黄越洋,石元博,孔宪明.基于数据增强和RFE-PCA-BP的少样本芘浓度分类方法[J].化学研究与应用,2024(2):292-298. |
| |
作者姓名: | 马晨宇 黄越洋 石元博 孔宪明 |
| |
作者单位: | 1. 辽宁石油化工大学信息与控制工程学院;2. 辽宁石油化工大学人工智能与软件学院;3. 辽宁石油化工大学石油化工学院 |
| |
基金项目: | 辽宁省教育厅科研项目(LJKMZ20220737)资助; |
| |
摘 要: | 该文提出了一种基于数据增强的特征选择拉曼光谱浓度分类方法(Recursive Feature Elimination-Principal Component Analysis-Back Propagation Neural Network,RFE-PCA-BP)。实验将购买于超市的食用油与不同浓度的嵌二萘溶液滴在硅藻土板上,采集九种不同浓度芘(Pyrene)的拉曼光谱数据,通过数据增强,将每种浓度数据通过添加不同信噪比(SNR)来扩充样本数量;RFE-PCA-BP浓度分类模型将拉曼光谱数据的特征消除、数据预处理、浓度分类合而为一。通过实验证明,RFE-PCA-BP算法的准确率高达99.42%远高于BP神经网络算法(Back Propagation Neural Network,BPNN)的86.67%。
|
关 键 词: | 拉曼光谱 浓度分类 数据增强 神经网络 特征选择 芘 |
|
|