公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

近红外光谱定量分析的新方法:半监督最小二乘支持向量回归机被引量：3: 2011年; 在近红外光谱定量分析中,样品化学值测定的准确度是运用数学模型进行定量分析精确度的理论极限。但能够准确获取化学值的样品数量比较少,许多模型在建模时只考虑这部分样品数据,而不考虑大量的无化学值的样品数据。针对该问题,本文在LS-SVR的基础上,提出了可以同时利用有化学值(标签)和无化学值样品数据的半监督LS-SVR(S2LS-SVR)模型。类似于LS-SVR,该模型也只需求解一个线性方程组。最后,以烤烟样品数据集为实验材料,建立了四种样品成分(总糖、还原糖、总氮和烟碱)的定量分析模型。四种样品成分的预测值与实际值的平均误差分别为6.62%,7.56%,6.11%和8.20%,相关系数分别为0.974 1,0.973 3,0.923 0和0.948 6。经分析比较发现S2LS-SVR模型优于PLS和LS-SVR,从而验证了S2LS-SVR模型的可行性和有效性。; 李林徐硕安欣张录达; 关键词：近红外光谱化学计量学

多任务最小二乘支持向量回归机及其在近红外光谱分析技术中的应用研究被引量：3: 2011年; 在近红外光谱定量分析中,许多模型分开考虑各种样品成分含量,失去了样品成分间潜在的联系。针对该问题,文章将建模分析每种样品成分含量的问题看作一个任务,将同时建模分析所有样品成分含量的问题转换为多任务学习问题。在LS-SVR的基础上,提出了多任务LS-SVR(MTLS-SVR),并给出一种有效的大规模问题求解算法。最后,以高粱样品数据集为实验材料,建立了三种样品成分(蛋白质,赖氨酸及淀粉)的同时定量分析模型。三种样品成分的预测值与实际值的平均相对误差分别为1.52%,3.04%和1.01%,相关系数分别为0.993 1,0.894 0和0.940 6,经分析比较,发现MTLS-SVR模型优于PLS,LS-SVR以及多因变量LS-SVR(MLS-SVR),从而验证了MTLS-SVR模型的可行性和有效性。; 徐硕乔晓东朱礼军安欣张录达; 关键词：近红外光谱化学计量学

岭回归在近红外光谱定量分析及最优波长选择中的应用研究被引量：18: 2010年; 以66个小麦样品为试验材料,研究岭回归方法在近红外光谱定量分析中的应用。用44个小麦样品的近红外光谱数据建立测定蛋白质含量的近红外-岭回归模型,预测其余22个小麦样品的蛋白质含量。预测结果与凯氏定氮法分析结果(化学分析值)的平均相对误差为1.518%,与偏最小二乘法(PLS)预测结果进行比较,显示岭回归方法可用于近红外光谱定量分析;进一步,为了减少无关信息对定量分析模型预测能力的干扰,一种有效的方法就是进行波长信息的选择。从1297个波长点中优选出4个波长点,利用这4个波长点处的光谱信息建立近红外-岭回归模型预测22个样品的蛋白质含量,预测结果与凯氏定氮法分析结果之间的平均相对误差为1.37%,相关系数达到0.9817。结果表明岭回归方法从大量光谱信息中筛选出了最重要的波长信息、不仅简化了模型,有效的减少了光谱信息共线性的干扰,而且对特定分析选择出适用的波长对指导设计专用近红外定量分析仪器亦有实际意义。; 张曼刘旭华何雄奎张录达赵龙莲李军会; 关键词：近红外光谱岭回归偏最小二乘法波长选择

基于Elastic net主成分优选的近红外光谱定量分析模型被引量：2: 2010年; Elastic net是对最小二乘方法的一种改进,在最小二乘法的基础上增加了L1和L2惩罚,具有变量选择和模型可提高预测精度的良好性质。此研究以89个小麦样品为实验材料,通过Elastic net方法优选光谱主成分,建立近红外光谱与小麦中蛋白质含量之间的定量分析模型,考证了Elastic net优选主成分建立定量分析模型的可行性。实验中将89个小麦样品随机分成两组,60个样品做建模集,其余29个做预测集。60个样品所建模型预测29个样品的蛋白质含量,预测值和化学测量值间的相关系数(r)为0.9849,平均相对误差为2.48%。为进一步考察该方法建模的可行性和稳定性,对89个样品分别进行5次随机划分,60个样品做为建模集,29个样品做为预测集,5次建模所选光谱的主成分基本一致;同时与PCR和PLS方法作对比,结果显示5次所建模型的预测效果明显好于PCR,且与PLS方法相近。鉴于Elastic net具有变量选择的功能,且所建模型具有较好的预测效果,表明该方法是一种可行的建立化学计量学定量分析模型的方法。; 陈万会刘旭华何雄奎闵顺耕张录达; 关键词：ELASTIC NET 近红外光谱

全选清除导出

共1页<1>

中央高校基本科研业务费专项资金(2009-2-05)