论文部分内容阅读
为了实现对造纸原料的快速准确判别，收集了5种共40份原料品种的近红外光谱数据。通过M A F和一阶导数方法进行光谱数据预处理，用主成分方法对光谱数据进行压缩降维，分别利用Fisher算法和BP人工神经网络来建立原料近红外光谱判别模型，并对两种判别模型进行比较。结果表明：两种模型都能较好地进行造纸原料的近红外判别，且BP人工神经网络比Fisher判别函数在容错性上表现得更为优越，建立的模型用于种类判别时表现得更为稳健。