公开(公告)号：CN112326574B

公开(公告)日：2023-11-14

申请号：CN202011218448.2

申请日：2020-11-04

Applicant: 暨南大学

Inventor： 潘涛 ,  李佳琪 ,  常乃良 ,  陈洁梅

IPC: G01N21/31 ,  G06F18/2415

Abstract: 本发明公开了一种基于贝叶斯分类的光谱波长选择方法：分别收集需要进行光谱判别分析的每类样品；测试所述样品的光谱，用于光谱判别分析的建模和检验；将每一类样品随机/均匀划分为建模集和检验集；建模集随机/均匀划分为定标集和预测集；对任意的波长模型提取相应的光谱数据，用于贝叶斯多分类判别分析。针对任意波长模型的光谱，构建贝叶斯多分类判别分析模型；基于单波长吸光度服从正态分布和概率独立性假设，并采用概率乘法及其对数，计算测量到相应光谱的条件概率，并把样品判断为条件概率的最大值所对应的类别；采用适当的波长模型选择方法，构建所有波长模型，依据贝叶斯多分类判别分析模型的总预测准确率最大兼顾各类预测准确率的标准偏差最小，获得最优波长模型。本发明具有应用范围宽、方法简便、预测效果好等优点。

公开(公告)号：CN112326574A

公开(公告)日：2021-02-05

申请号：CN202011218448.2

申请日：2020-11-04

Applicant: 暨南大学

Inventor： 潘涛 ,  李佳琪 ,  常乃良 ,  陈洁梅

IPC: G01N21/31 ,  G06K9/62

Abstract: 本发明公开了一种基于贝叶斯分类的光谱波长选择方法：分别收集需要进行光谱判别分析的每类样品；测试所述样品的光谱，用于光谱判别分析的建模和检验；将每一类样品随机/均匀划分为建模集和检验集；建模集随机/均匀划分为定标集和预测集；对任意的波长模型提取相应的光谱数据，用于贝叶斯多分类判别分析。针对任意波长模型的光谱，构建贝叶斯多分类判别分析模型；基于单波长吸光度服从正态分布和概率独立性假设，并采用概率乘法及其对数，计算测量到相应光谱的条件概率，并把样品判断为条件概率的最大值所对应的类别；采用适当的波长模型选择方法，构建所有波长模型，依据贝叶斯多分类判别分析模型的总预测准确率最大兼顾各类预测准确率的标准偏差最小，获得最优波长模型。本发明具有应用范围宽、方法简便、预测效果好等优点。