基于pso-svm的木材近红外光谱分析模型.docxVIP

基于pso-svm的木材近红外光谱分析模型 随着我国经济和社会的快速发展，木材的需求也在增加。因此，我们需要一种快速、准确的木材性质检验方法，这对提高我国的树木生长质量、木材遗传改善和木材效率具有重要意义。近红外光谱分析技术是一种新型的分析技术,它能够快速、准确地对固体、液体、粉末状等有机物样品的物理、力学和化学性质进行无损检测。国外将偏最小二乘回归、近红外光谱等技术应用到木材的化学性质、物理性质、力学性质等方面的研究,中国林科院也出现了预测木材密度、水分、腐朽类型以及杉木木质素含量等的研究报道,他们主要采用的偏最小二乘或者传统的SVM结合近红外光谱的方法。木质素是植物体中含量较高的天然高分子聚合物。快速、准确、低成本的评价木材中木质素的含量成为充分合理利用木材资源的一个重要研究内容。粒子群算法(Parti-cle Swarm Optim ization,PSO)作为近年来发展起来优化计算方法,由于其容易实现且具有深刻的智能背景,已经被广泛的应用于函数优化、模式识别等领域。支持向量机(Support Vector Machine,SVM)是Vapink等于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中[13,14,15,16,17,18]。本文在掌握了近红外光谱分析技术的相关理论和方法的基础上,研究并