高-宽Cho;Baek，S.H。;尤恩，E。;Jeong，M.K。;A.泰勒。 基于多尺度垂直能量小波阈值和基于SVM的梯度递归特征消除的近红外光谱两阶段分类方法。 （英语） Zbl 1168.90645号 《运营杂志》。Res.Soc公司。 60，第8期，1107-1115（2009）. 摘要：近红外（NIR）光谱技术因其快速、可靠、成本效益高、无损检测等优点，在分类问题中得到了广泛应用。然而，近红外数据通常有数百或数千个变量（波长），它们之间高度相关。因此，选择几个能够更好地解释近红外数据的重要特征或波长至关重要。小波是常用的光谱数据预处理工具。许多应用程序基于高维小波系数直接执行特征选择，这可能需要大量计算。本文提出了一种用于近红外光谱数据分类的两阶段方案。在第一阶段，提出的多尺度垂直能量阈值方法用于降低高维光谱数据的维数。在第二阶段，使用所提出的支持向量机梯度递归特征消除选择几个重要的小波系数。在四个NIR数据集上进行测试时，所提出的两阶段方法产生了更好的分类性能和更高的计算效率。 MSC公司： 90摄氏52度 减少梯度类型的方法 关键词：光谱数据;分类;小波分析;阈值化;支持向量机;特征选择 PDF格式BibTeX公司 XML格式引用 \textit{H-W Cho}等人，J.Oper。Res.Soc.60，No.8，1107--1115（2009；Zbl 1168.90645） 全文： 内政部