基于集成最小二乘支持向量机方法的近红外光谱分析

• 作者: 许剑良
• 来源期刊: 光谱实验室
• 学科: 化学
• 关键词: 集成学习 随机子空间算法 近红外光谱 最小二乘支持向量机
• 年，卷（期）: 2011,（3）
• 页码范围: 1054-1057
• 分类号: O657.33
• 字数: 2316字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-8138.2011.03.017

摘要

针对近红外(Near Infrared,NIR)光谱测量中的小样本问题.本文提出了一种集成最小二乘支持向量机(Ensemble Least Squares Support Vector Machine,ELS-SVM)新算法.首先使用随机子空间算法(Random Subspace Method,RSM)原始高维变量空间划分为若干个低维度的子空间,然后分别在各个子空间建立最小二乘支持向量机(LS-SVM)模型,最后构造一个集成结果来进行预测.针对一批柴油样本的实验结果表明,本法对柴油十六烷值的预测精度优于传统的LS-SVM方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许剑良	浙江工商大学计算机与信息工程学院	4	8	2.0	2.0