来源：期刊VIP网 时间：
作者：何昕;王鹏;陈昆燕;李秋潼;唐杰;杨俊;邵利民;
单位：中国科学技术大学化学与材料科学学院;重庆中烟工业有限责任公司技术中心;
摘要：本研究基于近红外光谱技术并结合线性判别分析（LDA）和随机子空间方法（RSM），构建了RSMLDA集成学习模型，用于实现烤烟叶部位的高效、准确鉴别。对RSM-LDA模型的子空间维度和分类器数量2个关键参数进行了优化。比较了不同预处理方法、样本集组成和训练集大小对建模的影响。结果表明，基于原始光谱数据的RSM-LDA模型即可达到很好的鉴别效果，训练集和测试集准确率分别为98.89%和98.33%。相较于基于单个分类器的鉴别方法，该方法鉴别准确率高、稳定性好，可为烤烟叶部位的高效、准确鉴别提供参考。
关键词：近红外光谱;;烤烟;;鉴别;;集成学习
基金资助：烟草近红外光谱在烤烟烟叶分类及果胶含量测定中的应用研究（2020500000300361）基金资助
