论文部分内容阅读
通过将类不变性先验信息融入到支持向量机（Support Vector Machine，SVM）算法的目标函数中，提出了一种基于漂移约束的SVM红外光谱定性分析算法。该算法将红外光谱的漂移项模拟成一个低阶多项式，并在SVM优化目标中要求决策面的法向量与漂移方向垂直，从而使分类器能够消除样本漂移影响。详细讨论了波段选择和正则化参数对分类准确率的影响，并对比了各种变形SVM算法的分类效果。实验结果表明，与标准的SVM算法及其各种变形算法相比，本文提出的DCSVM算法具有更高的分类准确序．