改进和声搜索算法的近红外光谱特征变量选择

发布时间：2021-07-06 17:43

　　近红外光谱分析以其简便、快速、高效、低成本、绿色环保等优点,已广泛应用于诸多领域。然而,近红外光谱同时存在变量维度高、多重共线性、包含冗余信息和高频噪声等问题,直接构建预测模型不但增加建模复杂度,同时也会影响模型的预测性能和泛化能力,因此提出一种基于改进和声搜索算法（HS）的光谱特征变量选择方法。HS常用于解决特征变量优化选择问题。在应用和声搜索算法进行最优光谱变量选择时,首先通过偏最小二乘（PLS）载荷系数计算各光谱点的特征贡献度,作为和声搜索算法改进的扰动权重。算法优选光谱特征变量过程中,引入变量特征贡献度作为激励因子,采用随机遍历和激励因子共同作用的方式生成初始解向量。产生新和声向量时,应用变量特征贡献度作为惩罚项,通过加入平衡因子使选择参数随迭代次数而动态调整,从而适应光谱变量的搜索,增强搜索过程的遍历性和种群的多样性。为验证本算法的有效性,以烟叶样品烟碱、总糖、总氮三个指标的近红外光谱PLS建模应用为例,对采集的原始光谱进行预处理后,应用该方法对光谱变量进行优选,根据变量被选择的累积频次分别计算不同变量个数的模型预测性能,通过校正均方根误差（RMSEC）随变量增加的变化趋势确... 

【文章来源】：光谱学与光谱分析. 2020,40(06)北大核心EISCICSCD

【文章页数】：7 页

【部分图文】：

和声记忆库(HM)矩阵结构

新和声向量生成过程

采用一阶导数加Savitzky-Golay平滑的方法进行光谱预处理[14], 移动窗口宽度为9, 多项式数为3。 图3为采用2.2中方法采集的原始光谱图, 图4为预处理后光谱图。3 结果与讨论

【参考文献】：
期刊论文
[1]特征分层结合改进粒子群算法的近红外光谱特征选择方法研究[J]. 徐宝鼎,秦玉华,杨宁,高锐,苑程程.  光谱学与光谱分析. 2019(03)
[2]结合类别与语义贡献度的特征权重计算方法[J]. 王勇,王李福,邹辉,何养明.  计算机工程与设计. 2018(06)
[3]一种改进的小波阈值函数去噪方法[J]. 江虹,苏阳.  激光与红外. 2016(01)
[4]一种自适应全局和声搜索算法[J]. 翟军昌,高立群,欧阳海滨,孔祥勇.  控制与决策. 2015(11)
[5]近红外光谱分析方法研究:从传统数据到大数据[J]. 刘言,蔡文生,邵学广.  科学通报. 2015(08)
[6]适合近红外光谱数据特征的降维方法对比分析[J]. 孙文苹,宫会丽,王梅勋,王丽丽,徐硕.  微型机与应用. 2015(01)
[7]和声搜索算法探索能力研究及其修正[J]. 欧阳海滨,高立群,邹德旋,孔祥勇.  控制理论与应用. 2014(01)
[8]无信息变量消除法变量筛选优化烟草中总氮和总糖的定量模型[J]. 李倩倩,田旷达,李祖红,郑波,赖衍清,唐果,宋相中,闵顺耕.  分析化学. 2013(06)
[9]近红外光谱分析技术及发展前景[J]. 陈丽菊,刘巍.  现代物理知识. 2006(02)



本文编号：3268686