[发明专利]一种具有变量选择功能的红外光谱定量分析方法

摘要

本发明公开了一种具有变量选择功能的红外光谱定量分析方法。本发明提出一种新的红外光谱定量分析建模方法；这种方法在建模的过程中具有变量选择功能，在每一次收缩过程中能选中相同的变量，以便于分析物质浓度和变量之间的相关关系。本发明通过建立新的算法模型对红外光谱数据进行分析，分析获得的数据结果相对于传统的偏最小二乘算法误差小，分析过程中使用的变量也更少。

主权项

一种具有变量选择功能的红外光谱定量分析方法，所述分析方法通过如下模型实现：$\begin{array}{c}\underset{W}{\max }\left(\frac{tr\left(W^T{X}^T{\mathrm{YY}}^{T}XW\right)}{\left|\right|W|{|}_{2,1}}\right)\\ s.t.W^T{X}^{T}XW=I_{n\×n}\end{array}$其中W＝[w₁，w₂，…，w_k]是特征向量组成的矩阵，max表示求最大值，s.t.表示约束条件，tr表示求矩阵的迹，||W||_2，1表示求矩阵的2,1范数，即首先将矩阵W按行求2范数再对得到的列向量求1范数。例如对于向量[a₁，a₂…，a_k]的2范数等于向量[a₁，a₂，…，a_k]的1范数等于对前述模型求解，求出W＝[w₁，w₂，…，w_k]后，将X投影到W得到k个成分t₁，t₂…，t_k，利用k个成分t₁，t₂…，t_k对浓度矩阵Y进行表示得到$Y=t_1{r}_1^T+t_2{r}_2^T+...+t_k{r}_k^T$并将r₁，r₂，…，r_k保存，用于物质浓度或含量的预测。