论文部分内容阅读
为解决近红外光谱药品鉴别中,光谱数据特征维数较高,传统的浅层特征提取方法学习能力不足的问题,提出了基于深度信念网络和随机森林的药品鉴别算法。算法将深度信念网络与随机森林相结合,利用了深度信念网络对高维特征向量强大的分析和提取能力,以及随机森林良好的分类性能,将深度信念网络作为特征提取器,随机森林方法作为分类器。通过用三种近红外光谱数据集进行实验验证,与其它传统算法作对比,证明了改进方法的有效性,且随着原始输入特征数的提升,算法性能越显优越。