陈菁菁

(北京信息科技大学 计算机学院，北京 100192)

0 引言

光谱无损检测技术近年来应用越来越广泛，结合化学计量学分析方法，光谱无损检测技术已广泛应用在农业、工业、畜牧业、医学、航空航天等领域[1]。

近红外光谱技术(near-infrared spectroscopy)由于检测速度快、准确性高、在线性好等优点在各个领域应用广泛。近红外光谱技术结合化学计量学方法可对被测物进行定性和定量检测。近年来，机器学习算法越来越多地应用在了光谱分析中[2-4]。对于分类检测，常见的机器学习数据分析方法有k近邻分类算法(k-nearest neighbor，k-NN)、贝叶斯分类算法(Bayesian classifier)、支持向量机(support vector machine,SVM)分类算法、人工神经网络算法(artificial neural network，ANN)等。其中，k-NN是最简单的机器学习算法之一，它的基本思想是：如果一个样本在特征空间中的k个最相似(即特征空间中最近邻)的样本中的大多数属于某一个类别，则该样本也属于这个类别，距离度量、k值的选择及分类决策规则是k近邻法的3个基本要素。该方法操作简单，但判别时间较长，而且结果的准确性取决于样本是否平衡。贝叶斯分类算法以样本可能属于某类的概率作为分类依据，朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种。SVM分类方法的主要思想是建立一个最优决策超平面，使得该平面两侧距离该平面最近的两类样本之间的距离最大化，它的优点是模型的泛化能力较好，对于非线性问题能够提供较好的分类结果，但当样本量较大时存在判别时间较长等缺点。人工神经网络算法按拓扑结构可分为前向网络和反馈网络。……