基于PCA+KNN和kernal-PCA+KNN算法的废旧纺织物鉴别

作     者：李宁宁 刘正东 王海滨 韩熹 李文霞 LI Ning-ning;LIU Zheng-dong;WANG Hai-bin;HAN Xi;LI Wen-xia

作者机构：北京服装学院材料设计与工程学院北京100029 北京服装学院服装艺术与工程学院北京100029 即发集团染整厂山东青岛266200 北京伟创英图科技有限公司北京100070 

基　　金：中国纺织工业联合会“纺织之光”应用基础研究项目(J202204) 研究生教改“新工科”背景下纺织科学与工程创新实践中心建设(NHFZ20230202) 

出 版 物：《分析测试学报》 (Journal of Instrumental Analysis)

年 卷 期：2024年第43卷第7期

页      码：1039-1045页

摘      要：该研究采集了15类废旧纺织物的4 998张近红外谱图,以7∶3的比例分为训练集和验证集,并分别采用主成分分析(PCA)与核主成分分析(kernal-PCA)两种不同降维方法对数据进行降维,并选用余弦相似度(cosine)核作为kernal-PCA的最佳核函数,最后分别将PCA和kernal-PCA降维处理后的数据进行k-近邻算法(KNN)训练。结果表明,kernal-PCA+KNN的模型准确率(95.17%)优于PCA+KNN模型的准确率(92.34%)。研究表明,kernal-PCA+KNN算法可以实现15类废旧纺织物识别准确率的提升,为废旧纺织物在线近红外自动分拣提供有力的技术支撑。

主 题 词：废旧纺织物 主成分分析(PCA) 核主成分分析(kernel-PCA) k-近邻算法(KNN) 分类识别 

学科分类：0821[工学-兵器类] 081704[081704] 07[理学] 08[工学] 0817[工学-轻工类] 070302[070302] 082102[082102] 0703[理学-化学类] 

核心收录：

D　O　I：10.12452/j.fxcsxb.24032104

馆 藏 号：203128430...