皮革科学与工程

作者：姜红, 马星煜, 陈越,

关键词：皮鞋鞋底, X射线荧光光谱, 多模型集成学习, HDBSCAN聚类, Stacking模型,

建立了一种简单快速无损的皮鞋鞋底样本分类方法。利用X射线荧光光谱（XRF）对55个不同品牌的皮鞋鞋底样本进行检测，并选出Cl、Ca、Zn等7种检出率较高的元素作为分类指标，结合HDBSCAN聚类算法将样本分为四类，发现其成分特征与品牌定位（如运动、快时尚等）及生产批次显著相关。进一步采用多层感知机（MLP）、随机森林（RF）、梯度提升树（GBDT）、极端梯度提升树（XGBoost）、支持向量机（SVM）等五种模型进行分类验证，准确率分别为72.7%（MLP）、47.1%（RF）、64.7%（GBDT）、70.6%（XGBoost）、82.4%（SVM）。为提高分类准确率，构建Stacking集成模型，以SVM、XGBoost和MLP为基模型，逻辑回归为元模型，分类准确率提升至94.1%。结果表明，集成学习方法可有效提取XRF数据特征，显著提升皮鞋鞋底样本分类准确率。

来源：2025年第6期

《皮革科学与工程》期刊编辑部

查看皮革科学与工程杂志2025年第6期