近红外光谱建模中的变量选择方法研究

《近红外光谱建模中的变量选择方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、UDC：近红外光谱建模中的变量选择方法研究ResearchofVariableSelectionMethodonNear-infraredSpectrumModeling学位授予单位及代码：拯壹理王太堂(!Q!竖2学科专业名称及代码：塑堡皇王堂!Q223Q12研究方向：造电王堂皇选史王撞苤申请学位级别：亟±论文起止时间：2012．10一2013．12长春理工大学硕士学位论文原创性声明本人郑重声明：所呈交的硕士学位论文，《近红外光谱建模中的变量选择方法研究》是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的

2、作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名：卫!兰年立月型一日长春理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位论文版权使用规定”，同意长春理工大学保留并向中国科学信息研究所、中国优秀博硕士学位论文全文数据库和CNKI系列数据库及其它国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权长春理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。作者签名：导师签名础兰竺年上月望

3、日卫降』月斗日摘要近红外光谱技术以其分析效率高、检测速度快、成本较低等等诸多优点在多个领域都有着非常广泛的应用。但是由于光谱中的某些波长点，不仅对于分析和建模没有任何贡献，甚至会影响模型质量，导致更加复杂的模型及其预测能力下降。因此选择代表样本信息的重要变量一直是是近红外光谱建模分析中的重要内容。本文主要在复杂的近红外光谱信息中采用移动窗口偏最d,-乘法，无信息变量消除法，遗传算法和连续投影算法进行了光谱特征变量的选择，一定程度上消除了冗余信息，并结合支持向量机方法进行建模。通过对比四种变量选择方法，可以得到采用连续投影算法进行变量选择后，一定程度上简化了模型，并提高了模型的预测精度。

4、关键词：近红外光谱变量选择支持向量机ABSTRACTTherearemanyapplicationsofNear-InfraredSpectroscopyinvariousfieldsforits11ighefficiency，rapiddetection，lowcostandSOuniqueadvantages．However,theWavelengthpointsinsomecertainwavelengthsnotonlyhaveanycontributiontotheanalysisandmodelingandevenaffectthequalityofthemodel．Itw

5、illleadtomorecomplexmodelsandthedeclineofpredictiveability．ThereforechoosetorepresentallimportantvariablesampleinformationhasbeentheimportantcontentinmodelingandanalysisofNearInfraredSpectroscopy．Inthispaper,inthecomplexfourmethodswereused：movingwindowpartialleastsquare，uninformativevariableseli

6、mination，geneticalgorithms，successiveprojectionsalgorithm，extractingusefulinformationand、加n1supportvectormachinemodeling．Comparing谢tllfourkindsofvariableselectionmethods，themethodofcontinuousprojectionalgorithmvariableselectioncouldenhancequantitativespectralcalibrationmodelpredictionaccuracyand

7、modelingefficiencyandtheNIRcalibrationmodelswithgoodpredictiveabilityandstabilitycouldalsobeacquired．Keywords：near-infraredspectroscopyvariableselectionsupportvectorregression目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．I