[发明专利]一种基于稀疏回归LAR算法的近红外定量分析方法

说明书

基于近红外光谱的定量分析回归模型的构建，是整个近红外光谱定量分析过程中的核心环节，也是最为复杂的环节。最小角度回归(Least angle regression,LAR)，是一种基于线性模型的稀疏回归算法。最小角度回归和前向逐段回归的过程类似，但使用数学公式来使计算效率更高。不再是在当前变量上进行多个很小和长度固定的步骤，步骤的合适长度通过数学方法计算确定，直到下一个变量的相关性赶上来。并且，最小角度回归方法也不用在当前已选取变量间轮流进行小步骤的系数调整直到另一个变量进入模型，该方法直接根据确定的步长跳到那个合适的点。LAR和其他传统方法的不同之处在于，将无关变量丢弃从而产生一个稀疏的模型；从而更少的被噪声所影响。本发明提出基于稀疏回归LAR算法的近红外光谱定量分析检测方法，相对传统方法具有明显优势。

技术领域

本发明涉及一种基于近红外光谱的定量分析检测方法。

背景技术

基于近红外光谱的定量分析回归模型的构建，是整个近红外光谱定量分析过程中的核心环节，也是最为复杂的环节。近红外光谱定量分析是高维小样本问题，光谱维度一般都上千甚至几千维度，并且各维度光谱数据间存在高度线性互相关。近红外光谱中有效信号微弱，需要在高维的庞大光谱信息中提取出和目标品质参数相关的微弱信号，并建立回归预测模型，这是具有挑战性的任务。而这正是机器学习中回归方法所擅长和所要解决的问题。机器学习的回归方法可分为线性和非线性方法两大类别。其中基于线性模型的机器学习方法因其简单快速，便于理解，受到广泛的欢迎，是近红外光谱品质定量检测中最常用的方法。偏最小二乘(Partial least squares, PLS)又是线性回归方法中用得最广的方法; 其他的如多元线性回归(Multiple linear regression, MLR)和主成分回归(Principal component regression, PCR)也常被采用。

多元线性回归MLR是最早的近红外回归建模方法。由于光谱数据间的高线性相关，单纯的多元线性回归效果一般不是很好。PLS是近红外光谱分析中最广泛使用的回归方法。PLS被用于大量的近红外光谱的定量分析检测。由于克服光谱间的高度线性相关问题，PLS的预测效果一般优于MLR。主成分回归PCR是在主成分上进行线性回归。由于其简单易于实现，PCR也应用在一些研究中，但效果不如PLS。

非线性机器学习方法也被成功的应用于农产品品质的近红外定量分析检测。然而，从模型的可理解性方面，如通过模型发现最相关的光谱波段方面，基于线性模型的机器学习方法比非线性的要更好。虽然一些专门的技术被提出来用于发现和选择最重要的特征，这些方法都非常的复杂并且计算量很大，而基于线性的方法相对简单直接，且便于理解和使用。因为这个原因， 基于线性模型的PLS方法是近红外光谱分析中最常用的方法。

由于近红外(near-infrared, NIR)光谱采集中包含了复杂的物理和光学现象，近红外光谱中不可避免的包含噪声。一般认为噪声比信号具有更小的方差。为了减少噪声，PCR把小方差的方向丢弃。PLS也趋向于压缩小方差方向，但同时又会放大一些高方差方向。这会导致PLS有一点不稳定。并且，PLS减少噪声特征的权重，但并不丢弃它们；因此大量噪声仍会影响到PLS的预测性能。而且高互相关变量趋于被同时选取，导致所选变量集中存在大量的冗余。

发明内容

最小角度回归(Least angle regression, LAR)，是一种基于线性模型的稀疏回归算法。LAR和PLS等算法的不同之处在于，将无关变量丢弃从而产生一个稀疏的模型；从而更少的被噪声所影响。LAR和lasso (Least absolute shrinkage and selectionoperator)紧密相关，事实上LAR的变体提供了计算完整lasso路径的效率极高的算法。