基于无信息变量消除法与岭极限学习机的新型变量选择方法：以CO气体浓度反演为例

• 作者: 王召巴 王志斌 陈媛媛
• 来源期刊: 光谱学与光谱分析
• 学科: 工学
• 关键词: 变量选择 无信息变量消除 岭极限学习机 特征选择路径 CO气体浓度反演
• 年，卷（期）: 2017,（1）
• 页码范围: 299-305
• 页数: 7页
• 分类号: TN209
• 字数: 574字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2017)01-0299-07

摘要

变量选择是光谱分析领域一个重要的组成部分。为了克服传统区间选择法的缺点与不足，基于无信息变量消除法和岭极限学习机提出一种新型的变量选择与评价方法。首先，利用无信息变量消除法剔除整个光谱区间中无信息的波长点；其次，为了解决传统建模方法(偏最小二乘法、BP 神经网络等)存在的共线性问题，采用岭极限学习机方法建立回归模型；最后，最佳的特征光谱波长点组合利用特征选择路径图和稀疏度-误差折中曲线进行确定。CO气体的浓度反演实验结果表明：(1)利用无信息变量消除法可以有效筛选出最能表征CO气体透过光谱的特征波长点；(2)岭极限学习机方法具有快速建模、避免共线性和高精度等优点(CO气体浓度反演模型的决定系数可达0.995)；(3)特征选择路径图和稀疏度-误差折中曲线可以直观地帮助用户寻找出最佳的特征波长点组合。