基于偏最小二乘算法的高维谱数据特征选择

基于高维谱数据全部谱变量建立的软测量模型不但存在模型学习速度慢、泛化性和可解释性差等问题,并且难以揭示软测量模型所蕴含的物理含义和进行合理的物理解释等问题。对高维谱数据进行变量选择,降低输入变量维数一直是特征选择领域的热点问题之一。针对这些问题,提出了一种基于偏最小二乘(PLS)算法的高维谱数据特征选择方法。该方法首先分析了基于偏最小二乘算法的潜变量特征提取方法,然后,采用PLS算法分析了原始未标定谱数据的不同谱变量的灵敏度,计算从谱数据提取的不同潜在变量系数的平方和,最后结合球域准则和软测量模型精度基于优化求解的思路进行谱变量选择,进而实现高维谱数据特征的全局优化选择。采用近红外谱数据验证了所提方法的有效性。