支持向量回归算法在NIR光谱法预测烟草淀粉中的应用

• 来源期刊: 烟草科技
• 学科: 工学
• 关键词: 烟草 近红外光谱 支持向量回归 机器学习
• 年，卷（期）: 2009,（10）
• 所属期刊栏目: 烟草化学
• 页码范围: 41-44,49
• 页数: 5页
• 分类号: TS411.1
• 字数: 2188字
• 语种: 中文

摘要

为考察支持向量机回归(SVR)在烟草近红外光谱(NIRS)分析中应用的可行性,采用偏最小二乘回归(PLS)、多元线性回归(MLR)、误差反向传播人工神经网络(BP-ANN)和SVR对187份烟草样品的NIR漫反射光谱及其淀粉含量的化学测定数据进行处理,建立了烟草中淀粉含量NIRS定标模型,并采用留一法交叉验证(LOOCV)和独立样本集对模型进行了内部和外部验证.结果表明,SVR模型的预测能力比BP-ANN、PLS和MLR模型略好.因此,可将SVR引入到烟草淀粉含量的NIR分析中.