基于相关系数的有效特征光谱筛选方法

为降低数据采集时间、分级模型的计算复杂度及提高烟叶分级速度,提出了一个基于半监督学习的有效特征光谱筛选方法.首先定义判别特征好坏的鉴别函数R,并根据R值基于半监督方法删除不好特征;然后利用不同特征间的相关系数,基于有监督学习方法去除相关度高光谱,进一步减少有效特征光谱的数目;最后利用全光谱和两次筛选后的特征光谱建立了13个等级的SVM分级模型.实验结果表明所构造的光谱特征筛选模型,可从原始数据中筛选出有效特征光谱,从而极大地减少原始光谱采集量,在保证正确分级率的前提下,极大地提高了烟叶分级速度.