论文部分内容阅读
传统浅层模型不能有效提取FTIR光谱数据的潜在特征。提出一种基于栈式自编码器SAE(Stacked Auto Encoder)的光谱识别方法。通过堆叠稀疏自编码器构建深度网络,采用逐层贪婪训练学习光谱特征,根据学习到的特征有监督地训练softmax分类器,使用反向传播算法对网络进行微调。对麻花秦艽和大叶秦艽的FTIR光谱进行识别,基于SAE的分类准确率为96.67%,比偏最小二乘判别分析(PLSDA)和模型集群方法分别提高13.34%和10%。实验结果表明,该方法用于秦艽的快速、准确鉴别是可行和有效的。