基于改进型模拟退火算法的近红外光谱特征波长选择方法.pdf
靖烟****魔王
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于改进型模拟退火算法的近红外光谱特征波长选择方法.pdf
本发明提供了一种基于改进型模拟退火算法的近红外光谱特征波长选择方法,首先对近红外光谱数据集随机初始化当前解S;然后在温度参数t和马尔可夫链长度参数L的控制下,在当前解S的基础上产生新解S’,并以改进型Metropolis接受准则判断当前解S和新解S’的重要性;最后当温度控制参数t达到设定的结束温度时,返回最优特征波长及最优特征波长对应模型的效果。通过对传统模拟退火算法中Metropolis接受准则的改进,使得改进型模拟退火算法不仅提高了选择近红外光谱特征波长的效果、简化了模拟退火算法的参数设置,而且保留了
近红外光谱特征波长选择方法、装置、设备和存储介质.pdf
本发明适用于近红外光谱分析技术领域,提供一种近红外光谱特征波长选择方法、装置、设备和存储介质,方法包括:获取近红外光谱数据中待选择的各波长点变量;根据各波长点变量与响应变量之间的相关性度量信息,从各波长点变量中选择与所述响应变量的相关性大于第一预设阈值的第一波长点;根据各第一波长点之间的相关性度量信息,从各第一波长点中选择与其他第一波长点的相关性小于第二预设阈值的第二波长点。通过先选取与响应变量的相关性较大的第一波长点,再从第一波长点中选择那些与其他第一波长点的相关性较小的第二波长点,即减少了数据的冗余,
一种基于卷积神经网络的近红外光谱波长选择方法.pdf
本发明提供一种基于卷积神经网络的近红外光谱波长选择方法,包括以下步骤,S1搭建CNN卷积神经网络;S2采用检测目标近红外光谱标样训练CNN模型,更新CNN卷积神经网络超参数;S3模拟正向传播过程,获取波长点权重大小。本发明优选波长后的模型性能明显由于全波长的情况,与iPLS相比,特征波长数更少,性能相当,略有优势。由于本专利为波长点选择算法,当阈值间隔粒度取值更小时,可以获得更高精度的特征波长选择结果。
一种基于改进免疫遗传算法的近红外光谱波长筛选方法.pdf
本发明公开了一种基于改进免疫遗传算法的近红外光谱波长筛选方法,属于近红外光谱检测技术领域。所述方法通过采用自适应相似度阈值、引入精英保留策略、引入贪心算法思想对免疫遗传算法进行改进,使得算法朝着正确的方向进行局部性探索,最终达到全局最优。在实际近红外光预测物质含量时,存在精度低的问题,将该方法应用到近红外光谱波长筛选中,能够有效的筛选出与被测物质浓度密切相关的波段,使得波段变量与所测理化值之间的联系更紧密,在预测物质的含量时,可以大大提升模型预测含量的精度。
一种改进的基于Markovblanket红外光谱特征选择算法.pdf
本发明提供一种改进的基于Markovblanket红外光谱特征选择算法,步骤1:计算候选特征集S中所有特征fn与类标签C的相关性度量值SU,找出SU最大的值作为初始权重w(f),并把SU值最大的特征f加入到已选特征集W中,删除候选特征集S中的此特征;步骤2:以新加入到已选特征集W的特征f作为条件计算所有特征fn的条件相关性度量值CSU的值,找出初始权重w(f)与CSU相乘后的最大值,并把该值作为新的权重,同时把新的最大权重值对应的特征f选入已选特征集W中;步骤3:直到候选特征集S为空,从而获取到最优特征空