[发明专利]一种基于支持向量机的近红外光谱数据分析方法

摘要

本发明公开了一种基于支持向量机的近红外光谱数据分析方法，包括如下步骤：1)采集样本的近红外光谱图和样本中某种物质的含量；2)对数据进行预处理，同时进行特征波长选择；3)取m个数据作为训练集，剩下的n‑m个数据作为测试集；4)基于训练集和测试集，对数据进行归一化处理；5)寻找最佳参数惩罚因子c和RBF核函数中的方差g，进行第一次支持向量机回归模型训练；6)将第一次模型预测中不能正确分类的样本加入到训练集中，重复上述的3)至5)步，建立第二次支持向量机回归的模型；7)存储训练出来的近红外光谱数据分析的回归模型；8)进行支持向量机仿真预测。本发明能够更为准确的分析近红外光谱的数据，预测的精度高。

主权项

1.一种基于支持向量机的近红外光谱数据分析方法，其特征在于，包括如下步骤：1)采集样本的近红外光谱图和样本中某种特征物质的含量；2)对数据进行预处理以减少近红外光谱噪声对模型构建的影响，同时进行特征波长选择；3)取m个数据作为训练集，剩下的n‑m个数据作为测试集；4)基于训练集和测试集，对数据进行归一化处理；5)寻找最佳参数：惩罚因子c和RBF核函数中的方差g，选择出最佳参数之后，对数据进行反归一化处理，创建支持向量机模型，并且进行第一次支持向量机回归模型的训练；最佳参数寻找具体如下：核函数采用了默认的RBF核函数，让惩罚因子c和RBF核函数中的方差g在设定的范围内进行取值，自由组合得到多组c和g参数的组合，对于取定的参数组合，把上述的训练集作为原始数据集，利用交叉验证的方法在此组c和g下进行训练，将模型准确率最高的c和g参数作为最佳参数；当模型的性能相同时，选择惩罚因子c比较小的参数组合；6)若存在第一次模型训练中不能正确分类的样本，将第一次模型预测中不能正确分类的样本加入到训练集中，重复上述的步骤3)至5)，建立第二次支持向量机回归的模型，通过支持向量机回归对近红外光谱的数据进行分析，得到训练集预测结果；7)存储训练出来的近红外光谱数据分析的回归模型；8)进行支持向量机仿真预测,得出训练集预测结果和测试集预测结果进行对比。