典型文献
基于可扩展的自表示学习波段选择算法在近红外光谱回归建模中的影响研究
文献摘要：
该文提出了一种基于可扩展的自表示学习(SOP-SRL)波段选择与偏最小二乘(PLS)建模的定量模型分析方法,以安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷为研究对象,通过SOP-SRL选取代表性波段,采用PLS建立近红外光谱回归模型,并与相关系数法(CC)、正则化自表示学习算法(RSR)和稀疏子空间聚类法(SSC)3种波段选择算法的建模结果进行对比,以校正决定系数(R2c)、校正均方根误差(RMSECV)、预测决定系数(R2p)和预测均方根误差(RMSEP)为评价标准,对回归模型的预测性能进行评估.结果显示,SOP-SRL在3种数据集上均取得了较好的结果,建模波段从全波长的800分别减少到70、67、87;RMSEP分别从0.0801、6.3495、0.7425下降到0.0653、3.6208、0.4073,分别下降了18％、43％、45％;相应的R2p分别从0.9119、0.8794、0.9158提高到0.9388、0.9526、0.9701,分别提高了3％、8％、6％.结果表明,经SOP-SRL波长选择后模型的预测能力相比于其他几种算法得到显著提升,基于SOP-SRL的PLS模型可以实现安胎丸指标含量的快速检测.
文献关键词：
近红外光谱;波段选择;可扩展的自表示学习方法(SOP-SRL);偏最小二乘法(PLS);指标含量测定
中图分类号：
作者姓名：
郭拓;梁小娟;马晋芳;袁凯;葛发欢;肖环贤
作者机构：
陕西科技大学 电子信息与人工智能学院,陕西 西安 710021;暨南大学 光电工程系,广东 广州510632;中山大学 南沙研究院,广东 广州 511458;江西保利制药有限公司,江西 赣州 341900
文献出处：
引用格式：
[1]郭拓;梁小娟;马晋芳;袁凯;葛发欢;肖环贤-.基于可扩展的自表示学习波段选择算法在近红外光谱回归建模中的影响研究)[J].分析测试学报,2022(08):1214-1220
A类：
B类：
可扩展,自表示学习,波段选择,选择算法,近红外光谱,谱回归,回归建模,SOP,SRL,PLS,定量模型,安胎,阿魏酸,汉黄芩苷,相关系数法,CC,正则化,RSR,稀疏子空间,子空间聚类,聚类法,SSC,决定系数,R2c,RMSECV,R2p,RMSEP,预测性能,别下,波长选择,预测能力,快速检测,表示学习方法,偏最小二乘法,指标含量测定
AB值：
0.315129
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
