论文部分内容阅读
偏最小二乘是在光谱多变量校正中广泛使用的一种经典算法。尽管本身具有变量压缩的作用,近年来的研究发现,高效的变量选择仍然是必要的,一方面能够提高模型的预测能力,另一方面能够降低模型的复杂度。考虑到相邻光谱变量之间高度相关的事实,创建一种偏最小二乘组合后向区间选择策略的算法。步骤是:先将整个光谱波长区域细分为一定数量的等长子区间;然后采用后向淘汰的策略,根据各个子区间的有用信息量将其逐步淘汰,形成一个淘汰序列;最后再反向选择一个最优数量的子区间来建立最终的预测模型。该方法应用于建立烟草总糖的近红外定量预测模型,效果好。在将变量压缩60%的基础上获得了比传统基于全谱的偏最小二乘算法更优的预测性能。