论文部分内容阅读
针对卷烟近红外光谱高噪和高冗余特点，提出了一种基于随机森林(RF)和主成分分析(PCA)的特征优选方法RF-PCA，建立了5种不同质量级别卷烟的分类模型，并和其他方法进行了比较。该方法能够有效地对高维数据样本进行分类，用于甄别卷烟品质真伪。特征选择可以过滤与分类不相关的特征，而通过PCA方法可以消除冗余特征的不良影响，并可进一步降低特征维数。实验表明：RF-PCA方法能有效地剔除近红外光谱数据中的噪声特征和冗余特征，提高了分类效率。