主成分分析-支持向量回归建模方法及应用研究

• 作者: 侯振雨 蔡文生 邵学广
• 来源期刊: 分析化学
• 学科: 化学
• 关键词: 主成分分析 支持向量回归 近红外光谱
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 研究报告
• 页码范围: 617-620
• 页数: 4页
• 分类号: O65
• 字数: 3198字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-3820.2006.05.006

摘要

将主成分分析(PCA)用于近红外光谱的特征提取,并与支持向量回归(SVR)相结合,实现了主成分分析-支持向量回归(PCA-SVR)用于近红外光谱定量分析的建模方法.与单纯的SVR方法相比,不仅提高了运算速度,而且提高了模型的预测准确度.将PCA-SVR方法用于烟草样品中总糖和总挥发碱含量的测定,所得结果的预测均方根误差分别为1.323和0.0477;回收率分别为91.8%～112.6%和88.9%～120.2%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯振雨	中国科技大学化学系	74	280	9.0	14.0
3	蔡文生	中国科技大学化学系	5	181	4.0	5.0
5	邵学广	南开大学化学系	50	447	11.0	20.0