本文關(guān)鍵詞：基于向前和向后間隔偏最小二乘的特征光譜選擇方法（英文）

  更多相關(guān)文章： 近紅外光譜 FiPLS BiPLS FB-iPLS 貪婪搜索 特征波段

【摘要】：在近紅外光譜分析中,向前間隔偏最小二乘法(FiPLS)和向后間隔偏最小二乘法(BiPLS)是常用的基于波長(zhǎng)變量選擇的建模方法,其模型精度較高,但貪婪搜索特性較強(qiáng),導(dǎo)致選出的波段并不能較好地反映待測(cè)成分的信息。針對(duì)該問題,提出一種基于兩者組合策略的光譜特征波段選擇方法(FB-iPLS)。在光譜分段的基礎(chǔ)上,既利用FiPLS選取有用波段,同時(shí)利用BiPLS刪除無用波段,來交互執(zhí)行特征變量的選擇與刪除,對(duì)目標(biāo)特征波段進(jìn)行雙向選擇,用于提高模型的穩(wěn)健性。用該方法建立水中乙醇含量的定量預(yù)測(cè)模型,并與FiPLS和BiPLS算法對(duì)比。由于光譜分段大小會(huì)對(duì)模型的結(jié)果有影響,該實(shí)驗(yàn)還考查這三種方法在不同光譜分段處的結(jié)果。在光譜劃分60段時(shí),提出的FB-iPLS方法取得最佳預(yù)測(cè)性能,其校正集與驗(yàn)證集相關(guān)系數(shù)r分別為0.967 7,0.967 0,交互驗(yàn)證均方根誤差RMSECV分別為0.088 8,0.057 1。與FiPLS和BiPLS相比,該方法無論在不同光譜分段區(qū)間還是在各自最優(yōu)與最差分段處,模型的整體預(yù)測(cè)性能都有所提高。實(shí)驗(yàn)結(jié)果表明,提出的方法能改善BiPLS與FiPLS貪婪搜索的特性,對(duì)特征波段的選取更高效、更具代表性,能進(jìn)一步提高模型的預(yù)測(cè)性能。
【作者單位】： 三峽大學(xué)計(jì)算機(jī)與信息學(xué)院;北京農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究中心;Department
【關(guān)鍵詞】： 近紅外光譜 FiPLS BiPLS FB-iPLS 貪婪搜索 特征波段
【基金】：The National Science and Technology Projects in Rural Areas(2014BAD04B05) Natural Science Foundation of China(41371349)
【分類號(hào)】：O657.33
【正文快照】： Introduction　　Near-infrared　spectroscopy　contains　a　large　number　ofabsorption　peaks　of　frequency　doubling　and　frequency　synthe-sis　groups　containing　hydrogen,which　can　reflect　the　infor-mation　of　the　tested　substance　in　sample，

本文編號(hào)：1070852