农药残留检测中微弱特征的近红外光谱数据的分类研究开题报告

1. 研究目的与意义

农药的高效防治功能，对促进农作物增长、缓解农产品供需矛盾有举足轻重的作用，然而，农药的大量不合理使用，导致农药残留超过食品安全标准，容易引发诸多食品安全问题。

解决农药残留检测问题具有批量、实时监测果蔬农药残留，控制农药残留，保证食品的安全健康，同时预防药害事故，为贸易提供坚实可靠的基础等意义。

现有的化学、生物等方法虽然检测精度高，但是耗时费力、有损、污染等缺点难以满足现在现在农业中快速、无损、批量以及实时检测农药残留的需要。

2. 国内外研究现状分析

农药残留检测中近红外光谱数据是高维数、重叠性高的一类数据，分类这些数据首先需要进行降维，然后运用合适的分类方法进行分类，将两步紧密结合在一起。

高维数据的降维方法分为线性降维和非线性降维。

虽然各种算法被广泛运用于各领域中，但是仍旧有其优缺点。

3. 研究的基本内容与计划

1.研究内容针对于支持向量机分类算法（svm）对大规模训练样本难以实施，对多类分类问题难以解决以及对缺失数据敏感，对参数和核函数的选择敏感不足加以改进，将支持向量机与核函数相结合成为一种非线性分类方法。

针对不同的数据，核函数的选择具有不同的形式和参数，所以在选择核函数的研究问题上需要进一步研究。

另外，近红外光谱数据中的不可分小样本数据泛化能力差，由于规模较小，无法详细描述数据特征以及其线性不可分问题进行展望。

4. 研究创新点

其他研究着重于某种分类方法对近红外光谱数据的具体应用，此次研究归纳总结了各类现存降维方法及分类算法的优缺点，并对这些不足加以改进，并对未来小样本数据泛化能力差的问题进行展望。