[发明专利]一种近红外光谱分析中的异常样本识别方法

权利要求书

1.一种近红外光谱分析中的异常样本识别方法，其特征在于：

步骤1：改变半数重采样算法的结果表达方式；

步骤2：利用改变后的半数重采样算法对原始光谱数据进行异常样本识别，选择最佳置信区间；

步骤3：利用Cook距离方法对化学值数据进行异常样本识别，选择最佳置信区间；

步骤4：作样本散点图，判断特异样本；

步骤5：将散点图左上方区域、右下方区域样本点标记为异常样本点。

2.如权利要求1所述的一种近红外光谱分析中的异常样本识别方法，其特征在于步骤1中改变半数重采样算法的结果表达方式的具体方法为：原算法中，每次采样后利用置信区间选取异常样本，对选择的异常样本进行计数累加，选取累加数最多的样本为异常样本；新方法改为每次采样后对计算得到的半数重采样距离进行累加，之后对累加的数据按照置信区间，选取最终的异常样本数据，改变后的算法在尝试选取最佳置信区间方面具有明显优势。

3.如权利要求1所述的一种近红外光谱分析中的异常样本识别方法，其特征在于步骤2、步骤3中最佳置信区间的方法为：首先选取置信区间范围，针对每个置信区间，选取距离大的样本为异常样本，去除异常样本后建立偏最小二乘模型，依据预测模型的校正集均方根误差最小选择最佳置信区间。

4.如权利要求1所述的一种近红外光谱分析中的异常样本识别方法，其特征在于步骤4中作样本散点图，判断特异样本的具体方法为：以样本的Cook距离值为横坐标，半数重采样距离为纵坐标，作所有样本的散点图；以步骤2和步骤3中的最佳置信区间值划分散点图区域，计算位于右上方区域的样本点的光谱数据杠杆值，若杠杆值高，则为标记为异常样本点，否则该样本为特异样本。