[发明专利]一种近红外光谱分析中的异常样本识别方法在审
| 申请号： | 201710123913.6 | 申请日： | 2017-03-03 |
| 公开（公告）号： | CN106596465A | 公开（公告）日： | 2017-04-26 |
| 发明（设计）人： | 王艳;尹艳玲;沈维政;孙红敏;李晓明 | 申请（专利权）人： | 东北农业大学 |
| 主分类号： | G01N21/359 | 分类号： | G01N21/359 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150030 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种近红外光谱分析中的异常样本识别方法，本发明结合半数重采样和Cook距离算法对近红外光谱分析数据进行异常样本识别。首先改变半数重采样算法的结果表达方式，对光谱数据进行异常样本识别，然后利用Cook距离方法针对化学值进行异常样本识别，均通过偏最小二乘建模效果选取各自的最佳置信区间，联合二者作为本方法中的置信区间；对于同时出现在两种方法下的异常样本，若为高杠杆值点，则剔除，否则保留。本发明结合两种相互独立的算法，能够处理光谱异常和化学值异常同时存在或只存在一种的情况，并对特殊的异常样本进行深入判断，保留由于自身特性而被识别出的特异样本，增强了模型的适用性和稳定性。 | ||
| 搜索关键词： | 一种 红外 光谱分析 中的 异常 样本 识别 方法 | ||
【主权项】：
一种近红外光谱分析中的异常样本识别方法，其特征在于：步骤1：改变半数重采样算法的结果表达方式；步骤2：利用改变后的半数重采样算法对原始光谱数据进行异常样本识别，选择最佳置信区间；步骤3：利用Cook距离方法对化学值数据进行异常样本识别，选择最佳置信区间；步骤4：作样本散点图，判断特异样本；步骤5：将散点图左上方区域、右下方区域样本点标记为异常样本点。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东北农业大学，未经东北农业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710123913.6/，转载请声明来源钻瓜专利网。
