[发明专利]一种基于KNN的近红外异常光谱识别方法有效
| 申请号： | 201710793823.8 | 申请日： | 2017-09-06 |
| 公开（公告）号： | CN109459409B | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 刘聪;徐友武;阳程 | 申请（专利权）人： | 盐城工学院 |
| 主分类号： | G01N21/359 | 分类号： | G01N21/359 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 224051 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 knn 红外 异常 光谱 识别 方法 | ||
【权利要求书】：
1.基于KNN的近红外异常光谱识别方法，其特征在于，包括以下主要步骤：
(1)基于主成分标准化空间的距离度量d(,)作为近红外光谱样本间的相似性度量：基于主成分标准化空间的距离度量，首先对光谱数据进行主成分分析，然后对主成分标准化得到的向量空间中，计算样本间的欧氏距离作为相似性距离度量；
(2)选择超参数k，异常值识别研究中，k值的确定需根据经验决定，尝试若干个k值，选择识别效果较好的k值，本研究中选择k＝5；
(3)计算光谱样本xi和其他所有样本的距离d(xi,xj)，j＝1,…,i-1,i+1,…,n，n为总样本数；
(4)找出和样本xi距离最短的k个样本；
(5)把和xi最近的k个样本距离加权累加后作为样本的异常度量；
(6)回到步骤(3)，计算其它每一个近红外光谱样本的异常度量；
(7)将所有近红外光谱样本按照其异常度量从高到低的次序进行排序；
(8)在异常度量最高的序列前端中识别出异常光谱数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于盐城工学院，未经盐城工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710793823.8/1.html，转载请声明来源钻瓜专利网。
