Matlab辅导讲解、辅导PLS-LDA建模方法、辅导神经网络算法

1.课题研究的内容及要求

主要研究内容：

1．研究基于可见-近红外高光谱对木材节子成像技术的建模方法；

2. 通过试验研究，建立锯材不同缺陷(活节、死节等)的检测模型；

3. 对所建模型进行简化，确定利用光谱检测锯材表面缺陷的方法。

要求：

1.试验材料及试验仪器的准备，试验方法的确定；

2.试验方案的设计，试验的实施；

3.试验数据的分析处理，并得出结论；

2.研究的主要方案

利用高光谱成像技术对木材样本进行研究分析的具体内容如下：

（1）.试验样本包括花旗松、铁杉和云杉三种木材。将全部试材切割成同等大小和厚度，并在单板上按序标记节子部位，同时在板材节子附近随机标记非节子部位。

（2）.用近红外高光谱图像采集系统对样本木板进行高光谱图像采集(数据已采集好)。并在图像处理之前对高光谱图像进行图像校正。

（3）.将试验得到的光谱进行去噪处理后，对新得到的光谱进行特征波长的选择。特征波长的选择可使用偏最小二乘—线性判别分析法(PLS-LDA)、最小二乘支持向量机(LS-SVM)模式识别等方

法。

（4）. 用神经网络方法对处理好的数据进行拟合、分析。

（5）. 对所建模型进行简化，比较分析最佳高光谱成像技术检测木材表面节子的方法。

3.课题研究预期目标

研究不同树种锯材表面缺陷(节子)的高光谱检测方法，建立锯材各种表面缺陷的光谱检测模型，并对模型进行简化。

数据说明：

所给光谱数据为近光数据NIR

HQ  花旗

TS   铁杉

YS   云杉

将所有数据分为校正集（Cal。。）和测试集（Test）

好的光谱为1  坏的光谱为-1

好的光谱为1  坏的光谱为2

要求的整理简化：

1.将试验得到的光谱数据进行去噪处理

（光谱的预处理方法主要包括：标准正态变量变换算法预处理(SNV)、多元散射校正(MSC)预处理、一阶导数算法(FD)预处理、二阶导数算法(SD)预处理，小波去噪等。）

任选其一即可。

2.采用PLS-LDA建模方法建模时，由交叉验证的平均分类错误最低点来确定主成分数，并建立相应的模型得到木材校正集和测试集的准确率。分析不同树种之间的光谱预处理的所建PLS-LDA判

别模型结果

3.采用LS-SVM建模方法建模时，建立相应的模型得到木材校正集和测试集的准确率。采用网格搜索策略结合留一交叉验证进行参数选择

4. 用神经网络方法对第一步处理好的数据进行拟合、分析

（1.doc文档所有实现代码均有，文档1.doc除神经网络部分以外都有）