基于近邻传播算法的波长选择方法

发布时间：2020-07-15 21:31

【摘要】：光谱分析能够通过样品的光谱和校正模型来快速预测样品的成分。校正模型预测性能的好坏,很大程度上取决于所选取的输入波长。为了降低模型复杂度,提升模型预测性能,有必要在建模前进行波长选择来减小数据维度,去除噪声和冗余数据。在各种波长选择方法中,多头绒泡菌网络(Physarum Polycephalum Network,PN)结合遗传偏最小二乘法(Genetic Algorithm-Partial Least Squares,GA-PLS)是一种新的并且有效的波长选择方法。但是该算法要求将整个光谱区间平均分成多个子波段区间,这种划分标准限制了变量选择能力和模型的预测性能。本文针对上述问题,提出了近邻传播(Affinity Propagation,AP)结合多头绒泡菌网络(PN)和遗传偏最小二乘法(GA-PLS)波长选择算法。其思想是将PN中的波段划分问题转化为聚类问题,通过使用AP自适应地调整分组数目及分组方式。然后采用PN进行变量的初次筛选得到候选波长,最后由GA-PLS对候选波长进行第二次选择得到特征变量。本文采用两个光谱数据库对提出的AP-PN-GA-PLS进行验证,并与全谱特征变量、区间偏最小二乘法(Interval Partial Least Squares,IPLS)、连续投影法(Successive Projections Algorithm,SPA)、GA-PLS、AP-GA-PLS、PN-GA-PLS等方法进行对比分析。结果表明在这七种波长选择算法中,AP-PN-GA-PLS在波长选择变量数最少的情况下能达到最好的模型预测性能。因此AP-PN-GA-PLS可以在不降低预测性能的情况下使模型的复杂度最低。
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O433.4
【图文】：

食物源,管道,多头绒泡菌,节点

图 2.1 迷宫模型中，首先将食物源放置在充满琼脂的迷宫入口和出口1N 和2N ，然后让多头绒泡菌布满整个迷宫网络。多头，形成连接两个食物源的通道。部分管道内流通量内流通量减少，管道逐渐萎缩、消失。随着时间的增食物源的主要管道。最终，根据主管道流量大小的变食物源的最短管道[26]。实验中多头绒泡菌所表现出的行为，Tero 研究团队建6]。根据图 2.1(d)，将食物源(1N )作为流量的流入点，点。从节点iN 到节点jN 的流量ijQ 可以表示为：4( )8ij i jijijr p pQL 节点iN 的压力值；表示管道中流通物质的粘性，为jN 的管道半径；ijL 表示节点iN 到节点jN 的管道长iN 和节点jN 的管道不止一条的话，那么第一条管道

信息传递方式,吸引度,和式

图 3.1AP 网络中的信息传递方式吸引度 r (i , k )可由式(3.1)表示：'' '1( , ) ( , ) max{ ( , ) ( , )}t tk kr i k S i k a i k S i k ，1( , )tr i k 表示下一时刻的吸引度，'( , )ta i k 表示当前时刻的归属度，点i与点k 的相似度。归属度 a (i , k )可由式(3.2)和式(3.3)表示：''1{ , }( , ) min 0, ( , ) max{0, ( , )}t t ti i ka i k r k k r i k ，i k''1( , ) max{0, ( , )}t ti ka k k r i k ，1( , )ta i k 表示下一时刻的归属度，'( , )tr i k 表示当前时刻的吸引度。为了避免震荡，AP 算法更新信息时引入了阻尼系数。每条信息被设置迭代更新值的倍加上本次信息更新值的1 倍。则第 t 1次的1(tr , )i k的迭代值可以由式(3.4)和式(3.5)表示：1 1( , ) (1 ) ( , ) ( , )t t tr i k r i k r i k a i k a i k a i k

过程图,过程,聚类中心,吸引度

第三章基于近邻传播的波长选择（2）根据先验知识确定偏好参考度kp 。若无先验知识，则kp 通常取所有数据点的平均相似度。用kp 的值代替相似度矩阵S 的对角线上的元素 S ( k , k )的值（3）AP 网络初始化。将吸引度信息 r (i , k )和归属度信息 a (i , k )设置为0，并设置迭代步数l和阻尼系数。通常l设置为 1000，设置为 0.9。（4）通过式(3.1)更新吸引度信息 r (i , k )。（5）通过式(3.2)和式(3.3)更新归属度信息 a (i , k )。（6）为避免震荡，采用式(3.4)和式(3.5)得到下一时刻的 r (i , k )和 a (i , k )。（7）终止条件。算法迭代次数达到l或在一定的迭代次数之内，聚类结果不发生明显变化，则迭代终止。（8）通过式(3.6)找到矩阵E 的对角线上的元素大于0 的下标组合C 作为聚类中心。然后比较剩余的每一个点与哪一个聚类中心点相似度最大，则将这点作为该聚类中心的类。E (i , k ) a (i , k ) r (i , k)(3.6)迭代过程如图 3.2 所示[27]。

【参考文献】