离散小波变换与小波张量列分解对药用植物FTIR数据特征提取的比较研究
信号处理
2018-07-20 v1 机器学习
数值分析
机器学习
摘要
利用7种植物样品的傅里叶变换红外（FTIR）光谱，探究预处理与特征提取对机器学习算法效率的影响。将小波张量列（WTT）与离散小波变换（DWT）作为药用植物FTIR数据的特征提取技术进行比较。多种信号处理步骤的组合在应用于分类与聚类任务时表现出不同行为。通过网格搜索得到的WTT与DWT最佳结果相近，相较于原始光谱显著提升了聚类质量以及调优逻辑回归的分类准确率。与DWT不同，WTT仅有一个需调优参数（秩），使其在各类信号处理应用中作为数据处理工具更具通用性且更易使用。
引用
@article{arxiv.1807.07099,
title = {Comparative study of Discrete Wavelet Transforms and Wavelet Tensor Train decomposition to feature extraction of FTIR data of medicinal plants},
author = {Pavel Kharyuk and Dmitry Nazarenko and Ivan Oseledets},
journal= {arXiv preprint arXiv:1807.07099},
year = {2018}
}