[发明专利]基于Stacking集成框架的光谱特征变量选择与优化方法有效
| 申请号： | 201910824079.2 | 申请日： | 2019-09-02 |
| 公开（公告）号： | CN110674947B | 公开（公告）日： | 2021-02-19 |
| 发明（设计）人： | 任顺;张畅;任东;徐守志;杨信廷;马凯;张雄;陆安祥 | 申请（专利权）人： | 三峡大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/12;G01N21/359;G01N21/3577 |
| 代理公司： | 宜昌市三峡专利事务所 42103 | 代理人： | 成钢 |
| 地址： | 443002 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于Stacking集成框架的光谱特征变量选择与优化方法，包括构建样本集，将样本集分为训练样本集和测试样本集；在变量区间选择法、变量信息选择法、变量优化选择法大类中选出具有代表性的特征变量选择方法；构建多个基学习器，采用Stacking集成框架将基学习器集成，构建元学习器，将基学习器的输出作为元学习器的输入；利用样本集对Stacking集成框架的基学习器和元学习器进行训练与测试；将待检测光谱信息输入基学习器，依据元学习器的输出得到待检测光谱的检测结果。本发明的基于Stacking集成框架的光谱特征变量选择与优化方法克服了单一特征变量选择方法的缺陷，对测试样本的检测精度高，检测结果稳定性好。 | ||
| 搜索关键词： | 基于 stacking 集成 框架 光谱 特征 变量 选择 优化 方法 | ||
【主权项】：
1.基于Stacking集成框架的光谱特征变量选择与优化方法，其特征在于，包括以下步骤，/n步骤1：构建样本集，将样本集分为训练样本集和测试样本集；/n步骤2：在变量区间选择法、变量信息选择法、变量优化选择法大类中选出具有代表性的特征变量选择方法；/n步骤3：利用步骤2选出的特征变量选择方法构建多个基学习器，采用Stacking集成框架将基学习器集成，构建元学习器，将基学习器的输出作为元学习器的输入；/n步骤4：利用样本集对Stacking集成框架的基学习器和元学习器进行训练与测试；/n步骤4.1：采用训练样本集对Stacking集成框架的基学习器和元学习器进行训练；/n步骤4.2：采用测试样本集对Stacking集成框架的基学习器和元学习器进行测试；/n步骤5：将待检测光谱信息输入基学习器，依据元学习器的输出得到待检测光谱的检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于三峡大学，未经三峡大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910824079.2/，转载请声明来源钻瓜专利网。
