公开(公告)号：CN109060716A

公开(公告)日：2018-12-21

申请号：CN201811009661.5

申请日：2018-08-31

Applicant: 湖南农业大学

Inventor： 李跑 ,  杜国荣 ,  郑郁 ,  李尚科 ,  杨清华

IPC: G01N21/359 ,  G06F17/18

CPC classification number: G01N21/359 ,  G06F17/18

Abstract: 一种基于窗口竞争性自适应重加权采样策略的近红外特征光谱变量选择方法，其将m个样品在n个近红外波长下采集的近红外光谱数据X建立m×n的矩阵，矩阵的每一列代表了m个样品在一波长下的光谱变量；沿着波长方向将n个光谱变量均等分为N个窗口。随机选取m×80％样品的光谱变量和对应的样品目标组分数据y建立PLS模型，得到回归系数，统计每个窗口内的回归系数，使用其绝对值的均值作为是否保留该窗口的依据指标。依次删除回归系数绝对值均值最小窗口的光谱变量，直到保留窗口数为停止。使用剩余光谱变量和样品目标组分数据y建立PLS模型并计算交互验证均方根误差RMSECV。将RMSECV最小值对应的光谱变量作为近红外特征光谱变量建立最终模型和分析。

公开(公告)号：CN108984930B

公开(公告)日：2022-11-25

申请号：CN201810826841.6

申请日：2018-07-25

Applicant: 湖南农业大学

Inventor： 李跑 ,  杜国荣 ,  郑郁 ,  李尚科 ,  杨清华

IPC: G06F30/20

Abstract: 本发明提出一种用于近红外光谱分析的推进稀疏偏最小二乘方法，其包括使用蒙特卡洛交叉验证和10折交叉验证确定稀疏偏最小二乘因子数和稀疏参数；根据预测误差确定样品权重；使用稳健步骤减少异常样品影响；确定使用平方形式损失函数；对未知样品，将多个模型预测结果排序，根据模型权重，确定其最终结果。本发明可以用于近红外光谱分析，提高方法的预测精度和稳定性。

公开(公告)号：CN108984930A

公开(公告)日：2018-12-11

申请号：CN201810826841.6

申请日：2018-07-25

Applicant: 湖南农业大学

Inventor： 李跑 ,  杜国荣 ,  郑郁 ,  李尚科 ,  杨清华

IPC: G06F17/50

Abstract: 本发明提出一种用于近红外光谱分析的推进稀疏偏最小二乘方法，其包括使用蒙特卡洛交叉验证和10折交叉验证确定稀疏偏最小二乘因子数和稀疏参数；根据预测误差确定样品权重；使用稳健步骤减少异常样品影响；确定使用平方形式损失函数；对未知样品，将多个模型预测结果排序，根据模型权重，确定其最终结果。本发明可以用于近红外光谱分析，提高方法的预测精度和稳定性。

公开(公告)号：CN109060716B

公开(公告)日：2021-03-02

申请号：CN201811009661.5

申请日：2018-08-31

Applicant: 湖南农业大学

Inventor： 李跑 ,  杜国荣 ,  郑郁 ,  李尚科 ,  杨清华

IPC: G01N21/359 ,  G06F17/18

Abstract: 一种基于窗口竞争性自适应重加权采样策略的近红外特征光谱变量选择方法，其将m个样品在n个近红外波长下采集的近红外光谱数据X建立m×n的矩阵，矩阵的每一列代表了m个样品在一波长下的光谱变量；沿着波长方向将n个光谱变量均等分为N个窗口。随机选取m×80％样品的光谱变量和对应的样品目标组分数据y建立PLS模型，得到回归系数，统计每个窗口内的回归系数，使用其绝对值的均值作为是否保留该窗口的依据指标。依次删除回归系数绝对值均值最小窗口的光谱变量，直到保留窗口数为停止。使用剩余光谱变量和样品目标组分数据y建立PLS模型并计算交互验证均方根误差RMSECV。将RMSECV最小值对应的光谱变量作为近红外特征光谱变量建立最终模型和分析。