样条变换集成罚函数偏最小二乘方法用于光谱数据重构和定量分析

• 作者: 张立庆 成忠
• 来源期刊: 分析化学
• 学科: 化学
• 关键词: 样条函数 偏最小二乘 粗糙惩罚 近红外光谱 定量分析 小麦
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 研究简报
• 页码范围: 1820-1824
• 页数: 5页
• 分类号: O6
• 字数: 4258字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-3820.2009.12.022

摘要

针对高维小样本光谱数据所显现的函数型数据(Functional data)特性、与性质参数的非线性关系及变量间存有的严重共线性,采用了样条变换集成罚函数偏最小二乘回归新技术.它首先以三次B基样条变换实现非线性光谱数据的线性化重构,随后将重构的新光谱矩阵交由罚函数偏最小二乘法(Penalized PLS)构建其与性质参变量间的校正模型,其中罚函数中的光滑因子由交叉验证优化确定以调控模型的拟合精度.最后,通过小麦样品水分含量的近红外光谱定量分析,结果显示该技术光谱数据重构稳健,去噪明显,并有效解决高维小样本的过拟合和变量间的共线性,而预测集的均方根误差(RMSEP)为0.1808%,方法的非线性校正模型预测能力得到了明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	成忠	浙江科技学院生物与化学工程学院	35	286	10.0	15.0
2	张立庆	浙江科技学院生物与化学工程学院	52	424	11.0	18.0