[发明专利]基于自加权变量组合集群分析的近红外光谱变量选择方法

说明书

本发明涉及基于自加权变量组合集群分析的近红外光谱变量选择方法，属于分析化学领域的无损分析技术领域，具体实施过程如下：首先通过二进制矩阵采样法(BMS)对变量空间进行随机采样，其次通过对变量出现频率(Fre)和偏最小二乘回归系数(Reg)两种信息向量(IVs)做加权处理得到每个光谱变量的贡献值，进而考虑了Fre和Reg两种IVs对变量重要性的影响。最后通过指数衰减函数(EDF)删除那些贡献值较小的变量进而实现特征变量选取。该方法与现有技术相比较，具备快速、可重复的优势，并提高了模型的预测精度及稳定性。

技术领域

本方法发明属于分析化学领域的无损分析技术领域，具体涉及基于自加权变量组合集群分析的近红外光谱变量选择方法。

背景技术

随着近红外光谱技术和化学计量学的发展，变量选择技术已经成为了近红外光谱分析高维度数据领域的关键环节，对光谱变量进行变量选择可以提高预测模型的预测能力。降低光谱数据维度和增强预测模型的可解释性。同时，变量选择也是一个非常具有挑战性的问题，随着变量空间的增大找到一组最佳的变量组合是一个非常困难的问题。

国内外常见的变量选择方法有无信息变量消除法(Uninformative variableselimination UVE，参见张巧杰熊鸣祁鲲无信息变量消除法在糙米直链淀粉波长选择中的应用光谱仪器与分析2005-10-15)、蒙特卡洛无信息变量消除法(Monte Carlo based UVE，MC-UVE，参见W-S Cai，Y–K Li，X-G Shao，A Variable selection method based onuninformative variable elimination for multivariate calibration of near-infrared spectra[J],Chemometr,Intell.Lab.Syst.2008，90，188-194)、遗传学算法(genetic algorithm，GA，参见Leardi R，Gonzalez AL，Genetic algorithms applied tofeature selection inPLS regression：how and when to use them，Chemom Intell LabSyst，1998，41，195-207)等。随着MPA思想的发展，一些新的变量选择方法如：随机蛙跳法(Random Frog，RF，参见朱逢乐何勇邵咏妮应用近红外高光谱成像预测三文鱼肉的水分含量光谱学与光谱分析2015-1，113-117)、迭代保留有信息变量法(iteratively retainsinformative variables IRIV，参见Yong-Huan Yun，Wei-Ting Wang，Min-Li Tan，Yi-ZengLiang，Hong-Dong Li，Dong-Sheng Cao，Hong-Mei Lu，Qing-Song Xu，A strategy thatiteratively retains informative variables for selecting optimal variablesubset inmultivariate calibration，Anal.Chim.Acta，2014，807，36-45)、竞争自适应重采样法(CARS，参见H-D Li，Y-Z Liang，Q-S Xu，D-S Cao，Key wavelengths screeningusing competitive adaptive reweighted sampling method for multivariatecalibration，Anal.Chim.Acta，2009，648，77-84)和变量组合集群分析法(variablecombination population analysis VCPA，参见Yong-Huan Yun，Wei-Ting Wang，Bai-Chuan Deng，Guang-Bi Lai，Xin-Bo Liu，Da-Bing Ren，Yi-Zeng Liang，Wei Fan，Qing-Song Xu，Using variable combination population analysis for variable selectionin multivariate calibration，Anal.Chim Acta，2015，862，14-23)等被提出。然而对于变量的重要性通常采用信息向量(IVs)来判定，常见的信息向量有偏最小二乘回归系数(Reg)、相关系数向量(Cor)、残差向量(Res)、投影变量重要性向量(VIP)、净信号向量(NAS)、信噪比向量(StN)、协方差向量(Cov)、选择比向量(SR)、预测残差向量(Ssr)、变量出现频率(Fre)和协方差向量(Covsel)等。