基于模型集群分析的近红外光谱变量选择方法研究

《基于模型集群分析的近红外光谱变量选择方法研究》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、学号：S15010122基于模型集群分析的近红外光硕士学位论文谱变量选择方法研究基于模型集群分析的近红外光谱变量选择方法研究宋研究生姓名：宋雨宸雨宸学科、专业：电子科学与技术二○一八年六月分类号：TN219密级：可公开UDC：编号：基于模型集群分析的近红外光谱变量选择方法研究STUDYONTHESELECTIONOFNEAR-INFRAREDSPECTRALVARIABLESBASEDONMODELPOPULATIONANALYSIS学位授予单位及代码：长春理工大学（10186）学科专业名称及代码：电子科学与技术（080900）研究方向：红外技术与系统申请学位级别：硕士指导教师：宦克为副教授研

2、究生：宋雨宸论文起止时间：2016.11—2018.04摘要近红外光谱检测是一种快速高效的检测技术，近些年在各个领域都有着广泛的应用，在农业产品的品质分析领域也发挥着越来越重要的作用。但在近红外光谱建模分析中存在一个很重要的问题，就是光谱中含有大量的冗余信息，并且组分特征吸收区域不明确。变量选择可以提高模型质量，而本文主要研究的是基于模型集群分析（MPA）的变量选择方法。因为现有的变量选择方法大多基于一次建模思想，收集的样本数不足以表达总体信息，容易导致模型不标准或者过拟合。所以MPA最大限度的利用已有的样本，通过随机采集实现对样本的最大信息获取。自助式空间柔性收缩法（BOSS）和蒙特卡洛变量

3、组合集群分析法（MC-VCPA）都是结合了MPA的近红外光谱变量选择方法。BOSS结合软收缩策略和加权引导抽样（WBS）方法，并提供了一种从模型回归系数（RC）中提取信息的方法。MC-VCPA通过蒙特卡洛采样（MCS）方法对样本空间进行随机采样，并结合VCPA对不同样本子集的变量空间进行特征变量选取。本文运用这两种基于MPA的变量选择方法，通过偏最小二乘（PLS）建立预测模型，并对预测集样本进行预测。对比UVE和GA等变量选择算法，BOSS对啤酒中酵母浓度的预测，相比全光谱PLS模型的预测均方根误差（RMSEP）值由0.5348下降到0.1565，其预测精度提高了70%。MC-VCPA对小麦蛋

4、白质含量的预测相比全光谱PLS模型的RMSEP由0.5096下降到0.3295，预测精度提高了35%。结果表明BOSS和MC-VCPA对近红外光谱数据分析进行定量分析都显著的提高了模型的预测精度。关键词：近红外光谱模型集群分析自助式空间柔性收缩法蒙特卡洛变量组合集群分析法ABSTRACTNearinfraredspectroscopyisafastandefficientdetectiontechnology,whichhasbeenwidelyusedinvariousfieldsinrecentyears,andplaysanincreasinglyimportantroleinthefi

5、eldofqualityanalysisofagriculturalproducts.However,thereisaveryimportantproblemintheanalysisofnearinfraredspectroscopy,whichisthatthereisalargeamountofredundantinformationinthespectrum,andthecharacteristicabsorbingregionofthecomponentisnotclear.Variableselectioncanimprovethequalityofthemodel,andthis

6、papermainlystudiesthevariableselectionmethodbasedonmodelclusteranalysis(MPA).Becausetheexistingvariableselectionmethodismostlybasedonamodelingidea,thenumberofsamplescollectedisnotenoughtoexpresstheoverallinformation,whichleadstothemodelbeingfittedornonstandard.Therefore,MPAmaximizestheuseofexistings

7、amplesandachievesmaximuminformationacquisitionthroughrandomsampling.Bootstrappingsoftshrinkage(BOSS)andMonteCarlo-variablecombinationpopulationanalysis(MC-VCPA)areallcombinationsofMPAnearinfraredspect