基于DT-KNN-FDA建模的车漆光谱无损鉴别
【摘要】 为了对车漆进行快速判别分析(高效、低成本的无损鉴别，采用一种基于指纹区红外吸收光谱结合决策树、)建模的鉴别方法，进行了理论分析和实验验证收集并取得了车漆共计DT-KNN-FDAFisher外吸收光谱实验数据，通过对特征波数的选择，建立并比较了基于决策树通过相关性分析提取到了、k组调整数据，并以此为基础构建了分类模型。58近邻分析和结果表明，。FisherDT分类模型60、k近邻和个样本的红判别分析的多分类模型。分类模型和分析可实现、KNN85.00%;红外光谱结合和有效，具有一定的普适性和参考意义、DT-KNN-FDA。分类模型对各样本的总体区分准确率分别为FDA对车漆不同品牌产品间的区分，分类效果理想
