小麦籽粒蛋白质光谱特征变量筛选方法研究

【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012—2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD Field Spec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法(UVE)结合交叉验证偏最小二乘回归、连续投影算法(SPA)结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归(MLR)及UVE与SPA组合后结合逐步多元线性回归(SMLR)等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除(UVE)方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归(SMLR)、连续投影算法(SPA)、连续投影算法(SPA)+逐步多元线性回归(SMLR)及连续投影算法(SPA)+偏最小二乘回归(PLS)+交叉验证(CV)等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除(UVE)法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差(RMSEP)和R2分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。

控制单个随机解释变量条件下被解释变量平均改变量的估计方法

文章在将两个相关随机变量中的一个适当分解为两个随机变量的基础上,对解释变量完全是随机变量的不完全多重共线问题,给出了用一个原解释变量以及与其不相关随机解释变量线性表示被解释变量的表示方法。进而研究了单独控制一个原解释变量改变一个单位条件下被解释变量的平均改变量(单控改变量),给出了估计单控改变量的方法——剔除相关变量法,证明了估计量的无偏性和一致性,并证明了估计量方差依概率收敛到有效估计量的方差。

基于SMOTE-UVE-SVM的小麦种子纯度高光谱图像检测

为了解决基于高光谱成像技术的小麦种子纯度检测过程中样本不均衡及波段信息冗余导致纯度检测模型性能下降的问题,提出了一种融合合成少数类过采样技术(SMOTE)、非信息变量剔除(UVE)和支持向量机(SVM)的种子纯度高光谱检测模型。该模型利用SMOTE算法对小麦种子少数类(杂质)样本进行扩充,改善样本的不均衡性;同时利用UVE对高维的高光谱特征进行选择,并构建SVM模型作为分类器,以进一步提高分类的性能。结果表明,5类小麦种子的平均准确率、精确率和负样本检出率分别达到95.98%、94.94%和89.32%,较传统方法分别提高了3.89%、7.18%和12.42%。所提出的方法在基于高光谱成像技术的小麦种子纯度检测中具有较好的应用前景。

基于变量筛选优化极限学习机的混凝土坝变形预测模型

传统的统计模型泛化能力较弱且容易引入高维变量,这将对基于神经网络预测模型的输出结果产生负面影响,同时增加了过拟合风险。因此,有必要建立一个具有适当维度的数据驱动模型,以实现对大坝变形的准确监控。选用极限学习机(ELM)作为基础预测模型,提出基于平均影响值MIV-ELM模型的变量筛选法,以消除初始变量集中的冗余信息,从而降低模型复杂度,提高预测精度。分析结果表明,与传统预测模型相比,HST-MIV-ELM不仅具有最高的预测精度和预测性能,同时也有较强的可拓展性,为大坝安全监控系统的构建提供了可靠的理论基础。

贝叶斯判别与逐步分类判别相结合的一个应用

首先对贝叶斯判别和逐步分类判别作了简单介绍,在分析两种判别方法的优势后,提出了将二者相结合的运用方法,先应用逐步分类判别剔除多余变量,再利用贝叶斯判别构造判别式,给出贝叶斯逐步分类判别的具体计算步骤,通过计算实例说明此种方法是行之有效的.

MATLAB与SPSS进行多元回归分析的区别

MATLAB与SPSS这两种软件都能够进行线性回归的分析。本文通过举例，简要分析了这两种软件在多元线性回归分析中的原理和步骤，解释了其区别所在，并且根据这种区别提出了这两种软件分别适合应用于哪些背景题设。最后特别对MATLAB软件提出了改进意见。

广西生产性服务业发展影响因素实证分析

发展生产性服务业是促进产业结构调整升级、增强地方经济实力的有效途径。以生产性服务业的增加值为被解释变量,区域经济发展水平、专业化分工等8个指标为解释变量,对广西生产性服务业发展的影响因素进行了实证分析,得出了相关结论。