[发明专利]基于随机投影算法的近红外光谱定量分析降维方法及系统

权利要求书

1.一种基于随机投影算法的近红外光谱定量分析降维方法，其特征在于，包括以下步骤：

步骤S1、获取近红外光谱x_val及对应的理化性质值y_val作为样本集；

步骤S2、将样本集划分为校正集和验证集，根据校正集的近红外光谱x_val计算平均光谱x_avg；

步骤S3、对校正集的近红外光谱x_val进行预处理得到光谱矩阵X_val，对校正集的平均光谱x_avg进行预处理得到平均光谱矩阵X_avg；

步骤S4、基于高斯随机投影算法对校正集的光谱矩阵X_val进行随机降维投影，得到降维后的光谱矩阵X_valRed；

步骤S5、基于降维后的光谱矩阵X_valRed，建立人工神经网络预测模型；

步骤S6、采用验证集对步骤S5建立的人工神经网络预测模型进行检验；

步骤S7、基于步骤S6检验后的人工神经网络预测模型，对输入的近红外光谱进行定量分析，输出对应的理化性质预测值。

2.根据权利要求1所述的基于随机投影算法的近红外光谱定量分析降维方法，其特征在于，所述步骤S2中，平均光谱x_avg对应的表达式为：

其中，n为近红外光谱个数，x_vali为第i个光谱。

3.根据权利要求1所述的基于随机投影算法的近红外光谱定量分析降维方法，其特征在于，所述步骤S2中，将样本集划分为校正集和验证集，进一步包括：

采用基于欧式距离的K-S算法或基于性质变量的SPXY算法，从样本集中选择m个光谱作为校正集，将剩余样本作为验证集。

4.根据权利要求1所述的基于随机投影算法的近红外光谱定量分析降维方法，其特征在于，所述步骤S3中的预处理方式包括：一阶导数、二阶导数和最大最小归一化。

5.根据权利要求1所述的基于随机投影算法的近红外光谱定量分析降维方法，其特征在于，所述步骤S3进一步包括：

对近红外光谱x_val同时进行多种预处理，得到光谱矩阵X_val；

对平均光谱x_avg同时进行多种预处理，得到平均光谱矩阵X_avg。

6.根据权利要求1所述的基于随机投影算法的近红外光谱定量分析降维方法，其特征在于，所述步骤S4，进一步包括：

步骤S41、根据平均光谱矩阵X_avg得到高斯随机投影过渡矩阵P；

步骤S42、基于高斯随机投影过渡矩阵P，对光谱矩阵X_val进行随机降维投影，得到降维后的光谱矩阵X_valRed。

7.根据权利要求6所述的基于随机投影算法的近红外光谱定量分析降维方法，其特征在于，所述步骤S41，进一步包括：

将p个波长点的平均光谱矩阵X_avg进行随机降维投影，得到q个波长点的降维后的平均光谱矩阵X_avgRed；

根据表达式X_avgRed＝P*X_avg，求解高斯随机投影过渡矩阵P。