| 基于变量优选和快速独立成分分析的黄花梨可溶性固形物可见/近红外光谱检测 |
| |
| 引用本文： | 许文丽,孙通,胡田,胡涛,刘木华.基于变量优选和快速独立成分分析的黄花梨可溶性固形物可见/近红外光谱检测[J].光谱学与光谱分析,2014(12):3253-3256. |
| |
| 作者姓名： | 许文丽 孙通 胡田 胡涛 刘木华 |
| |
| 作者单位： | 江西农业大学生物光电技术及应用重点实验室,江西 南昌,330045 |
| |
| 基金项目： | 国家自然科学基金项目，留学人员科技活动项目，江西省教育厅科学研究基金项目 |
| |
| 摘 要： | 为建立预测能力高、稳定性强的可见/近红外漫透射光谱无损检测黄花梨可溶性固形物(SSC)数学模型,对比各种预处理方法、变量优选方法、快速独立主成分分析(FICA)以及最小二乘支持向量机(LSSVM)对黄花梨SSC模型的影响,得出最佳的组合方法用于建立黄花梨可溶性固形物(SSC)预测模型。采用Quality Spec型光谱仪采集550~950nm波段范围内的黄花梨漫透射光谱并采用遗传算法、连续投影算法和CARS(competitive adaptive reweighted sampling)三种方法筛选黄花梨可溶性固形物的光谱特征变量,再结合FICA提取光谱主成分,最后采用LS-SVM建立黄花梨的SSC预测模型。结果显示,采用CARS筛选的21个变量,经FICA挑选出12个主成分数,联合LS-SVM所建立的CARS-FICA-LS-SVM黄花梨SSC预测模型性能最佳,建模集和预测集的决定系数及均方根误差分别为0.974,0.116%和0.918,0.158%,同直接采用PLS方法建模相比,变量数从401个下降到21,主成分数由14下降到12,建模集和预测集决定系数分别上升了0.023,0.019,而建模和预测均方根误差分别下降了0.042%和0.010%。CARS-FICA-LS-SVM建立黄花梨SSC预测模型能够有效地简化预测模型并提高预测模型精度。
|
| 关 键 词： | 可见/近红外 黄花梨 CARS FICA LS-SVM 可溶性固形物 |
Huanghua Pear Soluble Solids Contents Vis/NIR Spectroscopy by Analysis of Variables Optimization and FICA |
| |
| XU Wen-li,SUN Tong,HU Tian,HU Tao,LIU Mu-hua.Huanghua Pear Soluble Solids Contents Vis/NIR Spectroscopy by Analysis of Variables Optimization and FICA[J].Spectroscopy and Spectral Analysis,2014(12):3253-3256. |
| |
| Authors: | XU Wen-li SUN Tong HU Tian HU Tao LIU Mu-hua |
| |
| Institution: | XU Wen-li;SUN Tong;HU Tian;HU Tao;LIU Mu-hua;Optics-Electronics Application of Biomaterials Lab,College of Engineering,Jiangxi Agricultural University; |
| |
| Abstract: | |
| |
| Keywords: | Visible/near infrared Huanghua pear CARS FICA LS-SVM Soluble solids content |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
