基于遗传算法的近红外光谱谱区选择方法

针对以每个波长一个染色体基因的 WSGA方法在波长数目较大时搜索空间太大的问题 ,提出了基于遗传算法的近红外光谱谱区选择方法 (RSGA ) ,把全部谱区平均分为多个子区间 ,各子区间的所有不同组合构成搜索空间 ,使用 R/(1+δ)最大作为优化目标 ,使用遗传算法寻找一个最佳子区间组合 ,作为最后参与建模的光谱谱区。计算实例表明 :经 RSGA优化选择谱区后 ,不仅波长点数减少 ,而且 PL S L OO CV预测值与标准值的相关系数 R得以提高 ,交叉检验预测均方差得以减少 ,从而可以减小建模运算时间 ,剔除噪声过大的谱区 ,使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。

近红外光谱多核并行谱区选择任务调度策略研究

在近红外光谱的谱区选择算法中,滑动窗口偏最小二乘法具有较高的预测精度,但是其程序运行时间很长。在不改变算法预测精度的前提下,首先以分段间隔偏最小二乘法为基础研究了顺序分配法、等间距法和排序法等3种任务调度策略对并行算法性能的影响。在这3种任务调度策略中,排序法具有较好的负载均衡性和较高的并行效率。然后在16核云计算平台下将排序法分配策略分别应用于组合分段偏最小二乘法、反向分段偏最小二乘法和滑动窗口偏最小二乘法等谱区的并行选择算法中。经实验测试,在单核串行算法下反向分段偏最小二乘法和滑动窗口偏最小二乘法的程序运行时间分别为9.22 h和55.51 h,在排序法分配策略下采用2核并行算法时其程序运行时间分别缩短为4.98 h和29.03 h,分别节省了45.99%和47.70%的程序运行时间。实验结果表明:当考虑并行效率和计算成本时,在1~16核的并行算法中,选用2核并行执行以上4种谱区选择算法都具有最高的并行效率和性价比。