主成分分析-支持向量回归建模方法及应用研究

摘要：

将主成分分析(PCA)用于近红外光谱的特征提取,并与支持向量回归(SVR)相结合,实现了主成分分析-支持向量回归(PCA-SVR)用于近红外光谱定量分析的建模方法.与单纯的SVR方法相比,不仅提高了运算速度,而且提高了模型的预测准确度.将PCA-SVR方法用于烟草样品中总糖和总挥发碱含量的测定,所得结果的预测均方根误差分别为1.323和0.0477;回收率分别为91.8%～112.6%和88.9%～120.2%.

关键词：主成分分析、支持向量回归、近红外光谱

所属期刊栏目：34

分类号：O65(分析化学)

资助基金：中国科学院资助项目20325517;高等学校优秀青年教师教学科研奖励计划

在线出版日期：2006-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：617-620