基于LVQ与SVM算法的近红外光谱煤产地鉴别.pdfVIP

, , , 第 卷 第 期 光 谱 学 与 光 谱 分 析 36 9 　 　　　　　　　　　　　 Vol.36 No.9 2793-2797 pp 年 月 , 2 0 1 6 9 　　　　　　　　　　　 　S ectrosco and S ectral Anal sis Se tember 2016 　 p py p y p 基于LVQ与SVM算法的近红外光谱煤产地鉴别 ∗ , , , 李 明 陈 凡 雷 萌 李 翠 　 　 　 　 , 中国矿业大学信息与电气工程学院 江苏 徐州　221116 、 、 、 摘 要 传统煤产地鉴别方法一般以发热量 挥发分 粘结指数 哈氏可磨指数和坩埚膨胀序数作为分类指 　 　 , 、 、 , 标 过程复杂耗时较多 耗费巨大的人力 物力并且无法直接快速的得到煤样产地等问题 借助近红外光谱 , , 技术快速无损检测的优势 利用基于 SVM的留一算法对光谱数据集进行异常样本剔除 得到包含正确光谱 , , 信息的煤样光谱数据集 构造基于 SVM算法与 LVQ算法的定性分析模型 完成基于近红外光谱分析技术 , 。 的煤产地的快速鉴别 无需对煤样的各种指标进行汇总并且人为预测 针对 SVM分析模型中存在随机参数 , , , 优化问题 引入 算法对 模型中的损失参数 和核函数半径 进行改进 得到最优参数 最后引入 PSO SVM C g 。 、 、 、 计算准确率的方法对比以上模型并进行评价分析 实验一共收集了加拿大 俄罗斯 澳大利亚 印度尼西 、 , , , 亚 中国内蒙等 个地区的煤样光谱数据集 数据集共计 组煤样样本 其中异常样本共计 组 分别选 5 305