XGBoost在气体红外光谱识别中的应用
文献类型：期刊论文
| 作者 | 刘家祥 ; 宁志强; 吴越; 方勇华; 陶孟琪
|
| 刊名 | 光学学报
 |
| 出版日期 | 2020 |
| 卷号 | 40 |
| 关键词 | spectroscopy pattern recognition infrared spectroscopy lifting algorithm feature engineering 光谱学 模式识别 红外光谱 提升算法 特征工程 |
| ISSN号 | 0253-2239 |
| 英文摘要 | 为解决气体红外光谱识别问题,引入提升算法中较新的研究成果———极端梯度提升(XGBoost)算法。选用实测的三氯甲烷、对二甲苯、四氯乙烯气体的红外光谱数据进行实验。首先在对原始数据进行预处理后,通过特征工程提取光谱特征,生成特征向量;然后建立XGBoost模型,并对模型参数进行调优;最后基于分类准确率指标,将所提模型与随机森林(RF)、支持向量机(SVM)、前馈神经网络(FNN)、卷积神经网络(CNN)模型进行对比。实验结果表明,XGBoost在气体红外光谱识别领域有着广阔的应用前景。 |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6715762 |
| 源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/56208]  |
| 专题 | 中国科学院合肥物质科学研究院 |
| 通讯作者 | 方勇华 |
| 推荐引用方式 GB/T 7714 | 刘家祥,宁志强,吴越,等. XGBoost在气体红外光谱识别中的应用[J]. 光学学报,2020,40. |
| APA | 刘家祥,宁志强,吴越,方勇华,&陶孟琪.(2020).XGBoost在气体红外光谱识别中的应用.光学学报,40. |
| MLA | 刘家祥,et al."XGBoost在气体红外光谱识别中的应用".光学学报 40(2020). |
入库方式： OAI收割
来源：合肥物质科学研究院
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。