10.3964/j.issn.1000-0593(2014)03-0668-05
LSSV M模型下的近红外光谱联合区间波长筛选方法
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。
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
O657.3(分析化学)
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
2014-03-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
668-672