LSSV M模型下的近红外光谱联合区间波长筛选方法

摘要：

针对传统近红外光谱波长选择方法忽略模型中非线性因素的缺陷，采用具有非线性处理能力的最小二乘支持向量机，结合间隔策略的波长选择方法和联合区间的思想，提出了一种非线性模型下的波长筛选算法-联合区间最小二乘支持向量机（synergy interval least squares support vector machines ，siLSSVM ）。以苹果糖度近红外光谱数据为例，与传统siPLS波长筛选方法相比，新算法的预测集均方根误差（RMSEP）在PLS模型和LSSVM 模型预测时分别提高了37.43％和47.88％，预测集相关系数（RP）在 PLS 模型和LSSVM模型预测时分别增加了6.04％和7.31％。实例表明，对于存在非线性因素较强的光谱数据，siLSS-VM算法能够有效的挑选最优波长区间与提高模型的预测精度和鲁棒性，为近红外光谱在非线性因素下筛选波长提供了新前景。

关键词：联合区间最小二乘支持向量机、非线性、苹果糖度、近红外光谱、波长筛选

分类号：O657.3(分析化学)

资助基金：教育部国家级创新创业训练计划项目201210295058;江苏省产学研前瞻性联合研究项目BY2013015-27

在线出版日期：2014-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：668-672