所属分类：视觉图像与光学光电 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

光谱特征波段筛选与机器学习建模实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
课程目标 · 适用人群 · 光谱数据与机器学习结合的整体流程
课程导入课程目标
02
光谱数据基础
光谱数据格式（如CSV · ENVI） · 波长与反射率/吸光度
光谱数据基础CSV
03
光谱数据可视化
绘制原始光谱曲线 · 均值光谱 · 标准差光谱
光谱数据可视化绘制原始光谱曲线
04
数据划分与评估指标
训练集/验证集/测试集划分策略 · 回归（RMSE · R²）与分类（准确率
数据划分评估指标
05
特征波段筛选概述
为什么需要波段筛选（降维 · 去噪 · 提高模型可解释性）
特征波段筛选概述为什么需要波段筛…
06
过滤式方法
方差阈值 · 相关系数 · 互信息
过滤式方法方差阈值
07
包裹式方法
递归特征消除（RFE） · 前向/后向选择 · 遗传算法的原理与实现
包裹式方法RFE
08
嵌入式方法
Lasso回归 · 岭回归 · 弹性网络
嵌入式方法Lasso
09
基于连续投影算法（SPA）的波段筛选
SPA原理 · 步骤 · 在MATLAB/Python中的实现
SPA基于连续投影算法
10
基于竞争性自适应重加权采样（CARS）的波段筛选
CARS原理 · 蒙特卡洛采样 · 指数衰减函数
CARS基于竞争性自适应…
11
基于无信息变量消除（UVE）的波段筛选
UVE原理 · 稳定性分析 · 阈值确定
UVE基于无信息变量消…
12
基于遗传算法（GA）的波段筛选
GA编码 · 适应度函数 · 交叉变异
GA基于遗传算法
13
基于粒子群优化（PSO）的波段筛选
PSO原理 · 惯性权重 · 与机器学习模型协同优化
PSO基于粒子群优化
14
基于区间组合的筛选方法
区间偏最小二乘（iPLS） · 组合区间偏最小二乘（siPLS） · 移动窗口PLS
基于区间组合的筛…iPLS
15
基于深度学习特征选择
自编码器 · 注意力机制 · SHAP值在光谱波段解释中的应用
基于深度学习特征…自编码器
16
机器学习建模基础
线性回归 · 偏最小二乘回归（PLS） · 主成分回归（PCR）在光谱建模中的应…
机器学习建模基础线性回归
17
机器学习建模进阶
支持向量机（SVM） · 随机森林（RF） · 梯度提升（XGBoost
机器学习建模进阶SVM
18
深度学习建模
卷积神经网络（CNN） · 长短期记忆网络（LSTM）处理光谱序…
深度学习建模CNN
19
波段筛选与模型融合
将筛选出的波段输入不同模型 · 比较性能 · 选择最优组合
波段筛选模型融合
20
实战案例一（回归）
土壤有机质含量预测——数据获取 · 预处理 · SPA筛选
实战案例一回归
21
实战案例二（分类）
农作物品种鉴别——数据获取 · 预处理 · CARS筛选
实战案例二分类
22
实战案例三（高光谱图像）
高光谱图像波段选择与地物分类——数据… · 降维 · CNN分类
实战案例三高光谱图像
23
实战案例四（工业在线检测）
近红外光谱用于汽油辛烷值预测——UV… · XGBoost建模 · 实时性考虑
实战案例四工业
24
模型调参与优化
网格搜索 · 随机搜索 · 贝叶斯优化在光谱模型超参数调优中的应…
模型调参优化
25
模型解释与可解释性
特征重要性可视化 · SHAP值分析 · 波段贡献度解释
模型解释可解释性
26
常见问题与解决方案
过拟合 · 样本不均衡 · 光谱噪声
常见问题解决方案
27
模型部署与实战
将训练好的模型导出为ONNX/PMM… · 在Web或嵌入式设备上部署
模型部署ONNX/PMM
28
综合项目实战
从原始光谱数据到最终模型的全流程——… · 多种筛选方法对比 · 模型集成
综合项目实战从原始光谱数据到…
29
课程总结与进阶方向
回顾核心知识点 · 推荐工具（Python库 · spectral
课程总结进阶方向
30
结课测试与答疑
设计综合练习题（如给定光谱数据 · 选择合适筛选方法并建模） · 常见疑问解答
结课测试答疑