摘要：針對(duì)近紅外光譜數(shù)據(jù)特征變量個(gè)數(shù)遠(yuǎn)大于樣本數(shù)以及光譜點(diǎn)之間存在強(qiáng)相關(guān)的特點(diǎn)，通過(guò)主成分分析壓縮光譜信息抽提獨(dú)立的特征變量，在最佳主成分個(gè)數(shù)下計(jì)算各樣本到不同類(lèi)中心的馬氏距離，進(jìn)而統(tǒng)計(jì)整體的預(yù)測(cè)正確率。文中采用改進(jìn)的KNN算法對(duì)四種牌號(hào)的卷煙近紅外光譜數(shù)據(jù)進(jìn)行了類(lèi)別預(yù)測(cè)，在明顯改進(jìn)效率的同時(shí)，獲得了更為準(zhǔn)確的預(yù)測(cè)結(jié)果。

關(guān)鍵詞：近紅外光譜； 模式識(shí)別； 主成分； 馬氏距離； KNN

中圖分類(lèi)號(hào)：TN911-34文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-373X（2012）20-0121-03