基于遗传核偏最小二乘法的近红外光谱特征波长筛选方法

摘要

本发明公开一种用于食品和农产品品质检测的基于遗传核偏最小二乘法的近红外光谱特征波长筛选方法，利用理化分析方法测定所有待测样本的待测组分浓度值后划分样本的校正集和预测集；利用遗传算法对预处理后的校正集光谱数据点进行全局搜索，依据核偏最小二乘法交互验证过程中最小的交互验证均方根误差值确定出最终参与建模的特征变量数，并将遗传算法筛选出来的特征变量重新组成新的数据矩阵作为模型的输入；将测得的校正集样本待测组分浓度矩阵作为模型的标准输出，建立最佳校正分析模型，利用该模型对预测集样本待测组分浓度值进行预测；通过筛选特征波长减少建模运算时间，剔除大量噪声和冗余变量，使最终建立的模型预测性能和精度更高。

主权项

一种基于遗传核偏最小二乘法的近红外光谱特征波长筛选方法，其特征在于，包括以下步骤：       1) 采集所有待测样本的近红外光谱数据，并对光谱数据进行预处理；然后利用理化分析方法测定所有待测样本的待测组分浓度值，并根据待测组分浓度值划分样本的校正集和预测集；       2) 利用遗传算法GA对预处理后的校正集光谱数据点进行全局搜索，依据核偏最小二乘法KPLS交互验证过程中最小的交互验证均方根误差RMSECV值确定出最终参与建模的特征变量数，并将遗传算法GA筛选出来的特征变量重新组成新的数据矩阵，作为KPLS模型的输入；       3) 将测得的校正集样本待测组分浓度矩阵作为KPLS模型的标准输出，建立最佳GA‑KPLS校正分析模型，并利用该模型对预测集样本待测组分浓度值进行预测。