论文部分内容阅读
由于近红外光谱数据的变量数远大于样本数且变量之间共线性强，利用多元线性回归方法对近红外光谱数据建模往往不能得到较好的模型。最小绝对收缩和选择算子(LASSO)是一种利用罚函数来提高模型预测能力的算法，该算法使用1-范数约束不仅能够解决高维度和共线性问题，还能使建立的模型具有“稀疏性”，即算法在建模中具有自动进行波长选择的效果。