一种光谱分析中的降维方法

在可见/近红外光谱分析中,提取光谱数据中的有用信息是建立稳健准确模型的前提。ISOMAP是一种有效的提取数据本真维的降维方法,但对噪声和邻域参数都比较敏感。提出了一种改进的ISOMAP有监督降维方法,利用光谱数据本身的相关性指导邻域图的构建,降低对噪声和邻域参数的敏感程度,以正确表达数据的邻域结构。采用该方法对两组光谱数据降维并进行PLS建模,结果表明,改进后的算法消弱了邻域大小的影响,提取出的本真维数更小,同时提高了模型精度。     

叶绿素含量非接触式检测方法研究

植物叶绿素含量的非接触式光谱检测有着测定范围大、易于实现自动检测等优点,对实施精准农业、搭建培养室内智能监控系统具有重要的意义。但叶片结构、叶片粗糙表面引起的光散射效应、环境光等干扰因素使其定量分析难度增加,本文采用一种结合等距映射(ISO-MAP)和偏最小二乘(PLS)的非线性降维建模方法,有效地提高了模型的预测精度。与波长参比和单纯PLS两种传统建模方法相比,ISOMAP-PLS模型的预测精度分别提高了56.3%和34.4%。实验结果表明,ISOMAP算法可以降低建模复杂度的同时提高预测精度,将其应用在非接触式叶绿素含量检测中是可行的,为实现植物多种生化参数的非接触检测以及相应仪器的开发奠定了基础。