| 模型诊断用于近红外光谱建模校正集中奇异样本的识别 |
| |
| 引用本文： | 李正风,徐广晋,王家俊,杜国荣,蔡文生,邵学广.模型诊断用于近红外光谱建模校正集中奇异样本的识别[J].分析化学,2016(2):305-309. |
| |
| 作者姓名： | 李正风 徐广晋 王家俊 杜国荣 蔡文生 邵学广 |
| |
| 作者单位： | 1. 云南中烟工业有限责任公司技术中心,昆明,650231;2. 南开大学化学学院,分析科学研究中心,天津300071;3. 南开大学化学学院,分析科学研究中心,天津300071;喀什大学化学与环境科学学院,喀什844000 |
| |
| 基金项目： | 国家自然科学基金项目(21475068)，中国烟草总公司重大专项课题(No.Ts-03-20110020)资助 This work was supported by the National Natural Science Foundation of China(21475068)，the Major Project of China National Tobacco Corporation(Ts-03-20110020) |
| |
| 摘 要： | 由于校正集样本的质量决定校正模型的质量,校正集中奇异样本的检测在多元校正建模中具有非常重要的意义.本研究建立了一种用于近红外光谱多元校正建模时校正集中奇异样本的检测方法.本方法基于奇异样本的定义和偏最小二乘方法的原理,通过考察每个校正集样本在模型的每个因子(或主成分)中对模型的贡献,将与多数样本表现不同的样本识别为奇异样本.采用218个橘汁样本构成的近红外光谱数据进行了分析,结果表明,校正集中存在6个奇异样本,扣除奇异样本后,校正集的交叉验证均方根误差由16.870减小为4.809,预测集的均方根误差从3.688减小为3.332.
|
| 关 键 词： | 多元校正 奇异样本检测 偏最小二乘 近红外光谱 定量分析 |
Outlier Detection for Multivariate Calibration in Near Infrared Spectroscopic Analysis by Model Diagnostics |
| |
| Abstract: | |
| |
| Keywords: | Multivariate calibration Outlier detection Partial least squares Near infrared spectroscopy Quantitative analysis |
| 本文献已被 万方数据 等数据库收录！ |
|
