基于多元经验模态分解的可见/近红外光谱识别木材研究

打开文本图片集

摘 要：基于可见/近红外光谱技术探究一种快速、准确的木材识别方法。以8种进口木材为研究对象，运用多元经验模态分解（MEMD）和最大互信息系数（MIC）的方法对采集的光谱数据进行分解、筛选和重构，进而利用连续投影法（SPA）进行特征波段提取，再结合XGBoost分类器进行分类识别。为进一步验证该方法的可行性，将提出的木材识别方法分别与经验模态分解（EMD）算法和传统的支持向量机（SVM）、K近邻分类算法（KNN）、BP神经网络（Back Propagation Neuron NetWok）分类器进行对比分析。（剩余15129字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。