论文部分内容阅读
利用自编码网络（autoencodernetwork，AN）流形学习和稀疏表示（sparserepresentation，SR）方法对汽车变速箱油进行近红外光谱品种识别研究。以壳牌、美孚、嘉实多、上海大众和上海通用五种变速箱油为对象，利用AN方法对600-1800nm近红外光谱数据进行非线性降维，获取10个特征变量。每种变速箱油选取30个样本（共150个样本）作为训练样本，每种30个样本（共150个样本）作为测试样本。所有训练样本的特征变量组成了稀疏表示方法的整体训练样本矩阵，将变速箱油品种分类识别问题转