[发明专利]一种基于贝叶斯分类的光谱波长选择方法

说明书

本发明公开了一种基于贝叶斯分类的光谱波长选择方法：分别收集需要进行光谱判别分析的每类样品；测试所述样品的光谱，用于光谱判别分析的建模和检验；将每一类样品随机/均匀划分为建模集和检验集；建模集随机/均匀划分为定标集和预测集；对任意的波长模型提取相应的光谱数据，用于贝叶斯多分类判别分析。针对任意波长模型的光谱，构建贝叶斯多分类判别分析模型；基于单波长吸光度服从正态分布和概率独立性假设，并采用概率乘法及其对数，计算测量到相应光谱的条件概率，并把样品判断为条件概率的最大值所对应的类别；采用适当的波长模型选择方法，构建所有波长模型，依据贝叶斯多分类判别分析模型的总预测准确率最大兼顾各类预测准确率的标准偏差最小，获得最优波长模型。本发明具有应用范围宽、方法简便、预测效果好等优点。

技术领域

本发明涉及光谱分析的波长筛选技术领域，特别涉及一种基于贝叶斯分类的光谱波长选择方法。

背景技术

分子光谱主要包括紫外-可见、近红外、中红外等谱区。随着检测技术和化学计量学的发展，分子光谱已经成为样品快速检测的一类有效技术手段。特别是近红外(NIR)光谱，它反映分子的含氢官能基团X-H(如C-H、N-H、O-H等)振动的倍频和合频吸收，对大多数类型的样品，不需要进行预处理(或者简单处理)便可进行测量。

光谱多分类判别分析是重要的应用方向。目前，全波段通用型近红外光谱仪器对于复杂分析物的判别分析，尚缺乏依据统计学概率分布及光谱种群特征进行波长选择，提升判别效果的技术。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出一种针对光谱(紫外-可见、近红外、中红外等)的基于贝叶斯分类的光谱波长选择方法，具有应用范围宽、方法简便、预测效果好等优点，为光谱判别分析专用仪器的分光系统设计提出有效的解决方案。

本发明的目的通过下述技术方案实现：一种基于贝叶斯分类的光谱波长选择方法，包括如下步骤：

S1、分别收集需要进行光谱判别分析的每类样品；测试所述样品的光谱，用于光谱判别分析的建模和检验；

S2、分别将每一类样品随机/均匀划分为建模集和检验集；建模集随机/均匀划分为定标集和预测集，汇总得到包含各类样品的定标、预测、检验样品集；

S3、对任意的波长模型提取相应的光谱数据，用于构建贝叶斯多分类判别分析模型；

S4、构建贝叶斯多分类判别分析模型：基于单波长吸光度服从正态分布和概率独立性，并采用概率乘法及其对数，计算每一类样品测量到相应光谱的条件概率，并把样品判断为条件概率的最大值所对应的类别；计算贝叶斯多分类判别分析模型的总预测准确率，各类预测准确率及其标准偏差；

S5、采用适当的波长模型选择方法，构建所有波长模型；对所有波长模型，按照S3、S4的步骤完成贝叶斯多分类判别分析模型；依据贝叶斯多分类判别分析模型的总预测准确率最大兼顾各类预测准确率的标准偏差最小，获得最优波长模型。

进一步的，在对任意的波长模型提取相应的光谱数据，用于贝叶斯多分类判别分析前,可对光谱进行预处理。

进一步的，在针对任意波长模型的光谱，构建贝叶斯多分类判别分析模型前,需要确定波长模型的搜索范围，它可以为全扫描谱区，也可根据实际对象的光谱特征，确定为某一特定的波长范围；在此波长搜索范围内，对任意的波长模型提取相应的光谱数据，用于贝叶斯多分类判别分析。

进一步的，根据贝叶斯公式，计算样品测量到相应光谱时，判别为第k类样品的后验概率：

进一步的，先验概率的计算方法：或每一类样品赋予等概率，或依据定标集中各类样品数量的比例分配概率，或采用其他概率计算方法。