关键词：纺织纤维;拉曼光谱;数据增强;定性分析
摘 要：废旧纺织品的组分鉴别存在人力成本高、鉴别效率低的问题，基于拉曼光谱的机器学习快速鉴别方法是解决这一难题的潜在方案。然而，机器学习方法通常需要大量的数据进行训练，为了降低数据采集成本并提高在小样本拉曼光谱数据集下模型对纺织纤维的分类准确率，提出了一种拉曼光谱数据增强方法。该方法在预处理后的5种纺织纤维拉曼光谱数据集上，通过规定皮尔逊相关系数结合信噪比公式进行噪声叠加，并使用Dirichlet分布进行线性组合的数据增强。结果表明，在经过数据增强后SVM^poly模型在10轮2折交叉验证平均准确率达到了92.4%,相较于原始拉曼光谱数据集提高了68.2%。该数据增强方法能够在扩充数据集的同时丰富样本的多样性，从而提高模型的分类性能。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取