一种基于LASSO的近红外光谱变量选择方法.pdf

一种基于LASSO的近红外光谱变量选择方法，具体过程如下：采集样本的近红外光谱，用常规方法测定被测成分浓度向量；采用一定的分组方式将数据集分成训练集和预测集；采用交叉验证确定LASSO方法的约束值t；利用最小角回归算法计算回归系数β，保留β不为0的波长点的位置；利用保留的波长对应的训练集光谱与浓度向量间建立偏最小二乘回归模型，对预测集样本被测成分浓度进行预测。该方法能提取出有效波长，简化了定量分析模型，提高了模型的预测精度。与已有变量选择方法相比，具有快速、可重复、用更少的变量数达到更高预测精度的优势。本

2023-11-21

10

846KB

基于灰狼算法的近红外光谱变量选择方法研究.docx

基于灰狼算法的近红外光谱变量选择方法研究基于灰狼算法的近红外光谱变量选择方法研究摘要：近红外光谱技术已经成为了无损检测和分析的一种重要手段。然而，近红外光谱数据庞大且复杂，数据中包含大量无关变量，会降低建模和检测的效率。因此，选择对建模和检测有重要影响的有效变量进行分析和优化是一个关键问题。本文提出了一种基于灰狼算法的近红外光谱变量选择方法，通过灰狼算法对近红外光谱数据进行优化的变量选择，提高建模和检测的效率。实验结果表明，本文提出的方法能够较好地从近红外光谱数据中选择出具有重要影响的变量，提高建模和检测

2024-10-19

5

10KB

Ensemble-SISPLS近红外光谱变量选择方法.docx

Ensemble-SISPLS近红外光谱变量选择方法Abstract:Ensemble-SISPLS(SequentialImportanceSamplingPartialLeastSquares)isafeatureselectionmethodthatcombinesEnsembleLearningandPartialLeastSquares(PLS)regressionfornear-infrared(NIR)spectraldata.Inthispaper,weintroducetheEnsemb

2024-10-31

5

10KB

近红外光谱LASSO特征选择方法及其聚类分析应用研究.docx

近红外光谱LASSO特征选择方法及其聚类分析应用研究标题：近红外光谱LASSO特征选择方法及其聚类分析应用研究摘要：近红外光谱（NIR）技术在农业、食品、医药等领域具有广泛的应用价值。然而，NIR光谱数据的高维度和冗余特征给数据分析和处理带来了挑战。为此，本文提出了一种基于最小绝对收缩和选择算子（LASSO）的特征选择方法，并将其应用于NIR光谱数据的聚类分析。通过实验结果表明，该方法能够有效地提取出重要的光谱特征，提高了聚类分析的准确性和可靠性。一、引言近红外光谱技术是一种非破坏性、快速、无污染的分析方

2024-10-19

5

10KB

基于蒙特卡洛变量组合集群的近红外光谱变量选择方法.pdf

本发明涉及基于蒙特卡洛变量组合集群的近红外光谱变量选择方法，属于分析化学和光谱学领域。具体实施过程如下：首先通过蒙特卡洛采样方法对校正集样本进行随机采样，其次通过变量组合集群分析法对每个样本子集进行特征变量选取，保留所有样本子集的特征变量得到一个新的变量空间，之后运用变量组合集群分析法对这个新的变量空间进行进一步的特征变量选取。本发明方法不仅通过二进制矩阵采样方法实现对变量空间的采样，同时还通过蒙特卡洛采样方法实现了对样本空间的采样，避免了样本集合变化对变量选择的影响。

2023-11-19

10

596KB