分波段Transformer特征提取在近红外光谱数据分类中的应用
摘要
针对近红外光谱维度高、受噪声扰动大，以及不同省份样本间光谱相似性高的特点，提出一种分波段Transformer特征提取网络，并将其应用于烟叶产地识别，以提高分类准确性。首先，根据近红外光谱的一维结构特点，设计了嵌入层，利用一维卷积实现特征的压缩。其次，通过滑动窗将数据按照波段维度分成3部分，并改进了Transformer结构进行光谱特征的提取，避免波段数过多导致计算效率低下。最后，为适应光谱数据的特点，设计了多层一维卷积的回归头，用于样本产地预测。为验证所提算法的有效性，以分类准确率、精确率、召回率等指标与其他算法进行性能比较，进行了多个对比实验，实验结果验证了模型中各个结构的优越性。该模型能够有效地利用光谱结构，实现特征提取和噪声压制，成功完成了烟叶产地识别任务。
引用本文（GB/T 7714）
李永生 Li Yongsheng, 郝贤伟 Hao Xianwei, 向澍 Xiang Shu, 等. 分波段Transformer特征提取在近红外光谱数据分类中的应用[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。