[发明专利]一种蚁群优化算法的近红外光谱特征波长选择方法

摘要

本发明提供一种蚁群优化算法的近红外光谱特征波长选择方法，本发明将近红外光谱的全部波长点作为蚁群优化算法起始选择的等效变量，以测试对象的品质或特性作为参考标准，建立偏最小二乘分析模型，以该模型预测均方根误差重新加权计算来更新信息素向量，通过迭代计算，搜索获取最优的近红外光谱波长组合，多次循环计算，自动判断得到最佳的近红外光谱特征波长。本发明采用蚁群优化算法全局性搜索和正反馈机制，有效避免建模过程波长主观选择的不足，模型具有更强的鲁棒性和适用性。

主权项

一种蚁群优化算法的近红外光谱特征波长选择方法，其特征在于，包括以下步骤：A：先对近红外光谱进行预处理，用于消除噪声影响，并将所有样本随机划分成校正集和验证集；B：预处理后的近红外光谱的每一个波长点作为蚁群优化算法的待选变量，采用蒙特卡洛‑轮盘转法赋值于待选变量的信息素权值，从变量集中选择信息素权值高的变量，直到变量数达到最大变量数，用被选变量建立偏最小二乘分析模型，输出均方根误差；C：未达到最大迭代次数时，以最小输出均方根误差的变换函数更新信息素向量，再次进行变量选择，以前后两阶段的被选变量一起建立偏最小二乘模型；D：达到最大迭代次数后，所有被选择的变量集合经概率阈值分选，将高概率变量作为偏最小二乘法的输入进行建模，各变量协同作用，输出该次循环的最优变量组合和均方根误差；E：达到最大循环次数后，对各次循环的建模结果进行比较，选择最优的变量组合，即近红外光谱对应某一组分或性质的特征波长。