摘要
一种基于机器学习的沥青油源鉴别模型及自动化实现方法,属于沥青油源自动化鉴别领域。所述方法包括如下步骤:基于不同沥青样本的红外光谱特征及油源构建沥青数据集;提出适用于沥青数据集的数据增广方法;基于特征降维思想对沥青红外光谱特征进行特征提取确定模型最终特征;基于支持向量机、人工神经网络和决策树构建沥青油源鉴别模型;确定最佳的沥青油源鉴别模型;设计沥青油源鉴别模型的可视化操作平台。该方法实现了沥青油源鉴别模型的准确建立和沥青油源自动预测,有效加速了沥青油源鉴别的速度和准确度。
技术关键词
红外光谱特征
沥青
特征提取方法
数据增广方法
主成分分析法
光谱特征参数
人工神经网络
判别分析法
支持向量机
交叉验证法
SMOTE算法
自动特征提取
最佳参数组合
样本
降维方法
线性
网络结构
系统为您推荐了相关专利信息
工业设备状态
多模态
门控循环单元
融合特征
振动加速度传感器
图像识别模型
通道注意力机制
补丁
多头注意力机制
车辆
危险工况
筛选方法
逼近理想解排序
统计学算法
聚类算法
实例分割模型
非结构化环境
采摘点定位方法
深度图像数据
坐标
血红蛋白
噪声强度估计
节点
鲸鱼优化算法
光谱特征信息