[发明专利]一种基于最小相关系数的多变量校正特征波长选择方法

摘要

本发明公开了一种基于最小相关系数的多变量校正特征波长选择方法，要解决的是现有波长选择方法的问题。本发明的步骤如下：对光谱数据集X进行S‑G一阶导处理，计算各列向量间相关系数的绝对值，得到相关系数矩阵R，计算相关系数矩阵R中各列除对角线外其他元素的平均值及标准差，选取相关系数平均值及标准差阈值对，构成待选波长集合S，对S集合波长进行排序得到集合S'，逐次增加一个波长变量建立MLR模型，计算各个模型的RMSEV的值，最小RMSEV值所对应的变量子集即为S下的特征波长，选择下一个阈值对，重复上述步骤，找到所有特征波长集合下对应的最小RMSEV值及其对应特征波长。本发明最大限度地减少冗余的变量选择方法，原理简单，易于实现。

主权项

1.一种基于最小相关系数的多变量校正特征波长选择方法，其特征在于，具体步骤如下：/n步骤一，根据多个样本的近红外光谱数据和化学浓度数据得到光谱数据矩阵X_N×K和浓度向量Y_N×1，其中，N为样本数，K为光谱数据点数，对光谱数据矩阵X_N×K进行Savitzky-Golay一阶导处理；/n步骤二，计算光谱数据矩阵X_N×K中各列向量之间的相关系数的绝对值，得到矩阵R_K×K；/n步骤三，计算矩阵R_K×K中各列向量除对角线上的元素(r(i,i)＝1)之外的其他元素的平均值和标准差σ_j,j＝1,2,…,K；/n步骤四，选取(σ_min,σ_max)＝(min(σ_j),max(σ_j)),j＝1,2,…,K；/n步骤五，选取最小阈值系数和最大阈值系数对(min_thr＝1.80,max_thr＝0.8)，设定选择波长的相关系数平均值和标准差σ_j的范围分别为：和(min_thr·σ_min,max_thr·σ_max)，设定波长点设定搜索范围；/n步骤六，选取一组数据点作为阈值对；/n步骤七，将满足并且条件的波长构成待选波长集合S＝{i₁,i₂,...,i_p},其中i_k(k＝1,2,…,p)为选入的波长，p为选入波长的数量；/n步骤八，利用待选波长集合S中各波长点对应的光谱数据对浓度数据Y_N×1进行标准回归，得到标准回归系数，并按回归系数的绝对值的大小对待选波长集合S进行降序排列，得到新的有序集合S'；/n步骤九，从S'中第一个波长点开始，每次增加一个波长，建立光谱数据X和浓度数据Y_N×1之间的MLR模型，共建立p个MLR模型，分别计算p个模型的RMSEV值，其中最小RMSEV值所对应的变量子集即为待选波长集合S下的特征波长集；/n步骤十，选取下一组数据点作为阈值对，重复步骤七至步骤九；/n步骤十一，从以上步骤得到的多个特征波长集中选取RMSEV最小值对应的特征波长，即为得到的最优特征波长。/n