基于PLS-DA的拉曼光谱特征提取在中性笔油墨MLP模式识别中的应用

简介：
本研究运用PLS-DA方法从拉曼光谱数据中提取关键特征，并结合多层感知器（MLP）进行分类识别，有效提升了中性笔油墨的鉴别精度。 在司法鉴定过程中，中性笔油墨是进行同一认定的重要物证之一。为了提高油墨检验的准确性，本段落采用拉曼光谱法对油墨样本进行了无损检测。首先，我们处理了预处理后的光谱数据，并对其进行降维处理后构建偏最小二乘判别分析模型；然后利用受试者工作特征曲线下的面积来验证预测效果，提取出36个变量投影重要性最高的特征变量；接下来将这些特征变量作为输入到隐藏层神经元数目为13的多层感知器中进行训练。最终得到的训练正确率为87%，且没有出现过拟合现象。 通过结合使用变量投影重要性的特征提取方法和有监督学习的多层感知器，可以有效地压缩数据量并缩短分析时间。此外，由于感知器之间的连接权重可以通过自主学习调节，这进一步提高了中性笔油墨分类结果的可信度与正确率。