典型文献
基于Relief-F学习算法的烟叶近红外光谱特征贡献度分析
文献摘要：
近红外光谱分析技术已被广泛应用于烟叶质量检测,检测的内容包括烟叶常规六项化学成分(总烟碱、总糖、还原糖、总氮、钾、氯)及淀粉含量等.近红外光谱是一种介于可见光和中红外之间的电磁辐射波,经过数字化处理后可以表示为近红外光谱向量,向量中每一维特征与烟叶化学成分定量分析的相关性(贡献度)是不同的,利用机器学习的分析方法对烟叶的近红外光谱特征贡献度进行综合分析,找出与烟叶品质最相关的光谱特征子集,为改进烟叶品质近红外光谱分析算法,提高烟叶品质检测准确率及执行效率,拓宽近红外光谱在烟叶品质方面的应用范围打下基础.
文献关键词：
Relief-F;机器学习;烟叶近红外光谱;贡献度分析
中图分类号：
作者姓名：
刘培江
作者机构：
山东烟草研究院有限公司,山东 济南 250098
文献出处：
引用格式：
[1]刘培江-.基于Relief-F学习算法的烟叶近红外光谱特征贡献度分析)[J].科学技术创新,2022(25):49-53
A类：
烟叶近红外光谱
B类：
Relief,红外光谱特征,贡献度分析,近红外光谱分析技术,烟叶质量,质量检测,六项,烟碱,总糖,还原糖,总氮,淀粉含量,可见光,中红外,电磁辐射,数字化处理,维特,烟叶化学成分,烟叶品质,特征子集,品质检测,检测准确率,执行效率,围打,打下基础
AB值：
0.23486
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
