论文部分内容阅读
针对近红外光谱模型存在的鲁棒性问题,在模型建立时引入模糊隶属度,提出了一种自动生成模糊隶属度的方法。建立光谱样本的数据域描述函数,引入信任因子和舍弃因子,通过映射关系得到模糊隶属度函数,参数寻优后自动生成每个样本的模糊隶属度。在此基础上建立了基于FSVM的苹果糖度回归模型。试验结果表明,对比常规的MLR、PLSR和SVM模型,FSVM模型在训练样本变化和高斯噪声、乘性噪声、基线漂移、基线倾斜和波长漂移这5种噪声的分别作用下表现出最佳的性能。模糊隶属度的引入提高了近红外光谱模型的泛化能力和抗噪能力,改善了模