基于堆叠极限学机的样品成份测定方法

摘要

本发明公开了一种基于堆叠极限学机的样品成份测定方法，包括以下步骤：S1，采集待测样品的近红外光谱数据；S2，通过堆叠极限学机模型，获得该近红外光谱数据所对应的样品中各成分的含量。本发明通过利用堆叠极限学机模型对待测样品的近红外光谱数据进行处理，从而即可获得该近红外光谱数据所对应的样品中各成分的含量，与采用传统模型进行数据处理相比，可以提高对样本量少、维度高的光谱数据的拟合精度，解决了扁平矩阵利用ELM求解时精度低且预测结果不稳定的问题；此外，本发明利用对数据列属性分块的思想，使得ELM能够满足近红外光谱等高维度小样本数据建模应用场景，提高了其预测精度，改进方法使ELM具有更好的鲁棒性。

主权项

基于堆叠极限学习机的样品成份测定方法，其特征在于，包括以下步骤：S1，采集待测样品的近红外光谱数据；S2，通过堆叠极限学习机模型，获得该近红外光谱数据所对应的样品中各成分的含量。