用于近红外校正模型的训练样本选择

• 作者: 张其可 戴连奎
• 来源期刊: 传感技术学报
• 学科: 化学
• 关键词: 主元分析 近红外光谱 校正模型 训练样本选择 汽油辛烷值
• 年，卷（期）: 2006,（4）
• 页码范围: 1190-1194
• 页数: 5页
• 分类号: TP212|O659.32
• 字数: 3452字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2006.04.066

摘要

近红外(near-infrared,NIR)校正模型建立时传统的训练样本选择方法只考虑光谱欧氏距离的同类就近选取,不考虑光谱特征异常的训练样本的影响.基于主元分析(principal component analysis,PCA)残差,在同类就近取样的基础上引入异常光谱剔除技术进行训练样本的二次提取,用于建立偏最小二乘(partial least squares,PLS)回归模型.实验结果表明,该方法比传统方法的预测精度有较明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴连奎	浙江大学智能系统与决策研究所	70	881	18.0	25.0
2	张其可	浙江大学智能系统与决策研究所	1	8	1.0	1.0