特征提取算法_基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化...

鸡蛋新鲜度为鸡蛋运输、加工以及销售等环节中所需要考察的重要指标。随着鸡蛋新鲜度越来越受重视，新鲜度检测水平亟待提高，其中优化新鲜度检测模型、提高检测效率至关重要。近年来，国内外学者运用光谱分析、介电特性、电子鼻、机器视觉等检测技术对鸡蛋新鲜度无损检测进行了相关理论研究。其中光谱分析技术因其具有采样速度快、操作方便等特点一直都是鸡蛋新鲜度常用且有效的检测手段，通过采集鸡蛋光谱数据结合数学运算处理方法获取新鲜度信息。

为了提高鸡蛋新鲜度光谱分析速率，减少光谱噪声信息的影响，通过对光谱数据进行相关处理以优化模型虽然特征选择或者特征提取在一定程度上降低了数据运算量、提高了检测效率，但是使用中仍可能出现以下问题，一方面特征提取是将光谱数据从高维度空间通过运算映射到一个低维度空间中，再利用低维数据进行建模，其光谱数据参与运算的数量本质并没有减少；另一方面特征选择法获得的波长个数可能出现较多的情况。

因此，针对上述问题，湖北工业大学农机工程研究设计院的段宇飞和华中农业大学工学院的王巧华结合特征选择和特征提取方法的优势，将两者进行有机融合，首先运用竞争性自适应重加权(CARS)算法特征选择获取一阶微分处理后鸡蛋光谱的特征波长，然后利用非线性特征提取方法中的局部切空间排列(LTSA)算法对特征波长进行有效信息再提取，结合支持向量回归(SVR)建立鸡蛋新鲜度定量预测模型，以期达到良好的检测效果，方法融合后进一步提升鸡蛋新鲜度光谱检测效率，提高预测精度，优化检测模型。