极限学习机理论(extreme learning machine,ELM)作为一种新的化学计量学方法,在近红外光谱定量分析中的应用研究,已引起学术界的高度重视。然而,由于光谱数据维数较高,建立ELM模型时需要大量的隐节点,导致隐含层输出矩阵维数高且存在高...极限学习机理论(extreme learning machine,ELM)作为一种新的化学计量学方法,在近红外光谱定量分析中的应用研究,已引起学术界的高度重视。然而,由于光谱数据维数较高,建立ELM模型时需要大量的隐节点,导致隐含层输出矩阵维数高且存在高度共线性,用现有的Moore-Penrose广义逆算法求取隐含层输出矩阵与待测性质间的回归模型往往会存在病态问题。基于ELM建立光谱波长变量与性质之间的回归模型,提出以ELM模型隐含层输出矩阵作为新的变量,采用作者最新提出的基于变量投影重要性的改进叠加PLS算法(stacked partial least squares regression algorithm based on variable importance in the projection,VIP-SPLS),建立新变量与待测性质间的回归模型。VIP-SPLS算法充分利用了每个隐节点的输出信息,能有效解决高维共线性问题,同时具有模型集成的优点,从而改进了ELM模型的性能。将提出的改进ELM算法(improved ELM,iELM)应用于标准近红外光谱数据集,结果表明iELM模型的精度相对于现有的PLS模型和ELM模型分别显著提升了29.06%和27.47%。展开更多
目的建立傅立叶近红外光谱法(Fourier transform near infrared spectroscopy,FT-NIR)检测桃果中果胶含量的分析方法。方法以2个桃品种为材料,采集近红外光谱样品,探讨光谱预处理对模型的影响。采用偏最小二乘法(partial least squares,...目的建立傅立叶近红外光谱法(Fourier transform near infrared spectroscopy,FT-NIR)检测桃果中果胶含量的分析方法。方法以2个桃品种为材料,采集近红外光谱样品,探讨光谱预处理对模型的影响。采用偏最小二乘法(partial least squares,PLS)以及主成分回归(principal component regression,PCR)进行建模,建模相关系数(rc)、建模均方偏差(root mean square error of calibration,RMSEC)、预测相关系数(rp)、预测均方偏差(root mean square error for prediction,RMSEP)作为模型的评价标准。结果2个品种的近红外光谱图和果胶含量无明显差异(P>0.05),采用标准正态变量变换(standard normal variate,SNV)和多元散射校正(multiplicative signal correction,MSC)对原始光谱的光程进行选择,对建模结果的影响基本一致。综合得出最佳模型是利用PLS方法建模并采用MSC/SNV结合一阶导数和Savitzky-Golay(S-G)平滑对近红外光谱图进行预处理,评价参数分别为rc=0.7795、rp=0.7545、RMSEC=0.0933、RMSEP=0.0534和rc=0.7800、rp=0.7530、RMSEC=0.0932、RMSEP=0.0534。结论该方法准确、可靠,适用于桃果中果胶含量的快速检测。展开更多
文摘极限学习机理论(extreme learning machine,ELM)作为一种新的化学计量学方法,在近红外光谱定量分析中的应用研究,已引起学术界的高度重视。然而,由于光谱数据维数较高,建立ELM模型时需要大量的隐节点,导致隐含层输出矩阵维数高且存在高度共线性,用现有的Moore-Penrose广义逆算法求取隐含层输出矩阵与待测性质间的回归模型往往会存在病态问题。基于ELM建立光谱波长变量与性质之间的回归模型,提出以ELM模型隐含层输出矩阵作为新的变量,采用作者最新提出的基于变量投影重要性的改进叠加PLS算法(stacked partial least squares regression algorithm based on variable importance in the projection,VIP-SPLS),建立新变量与待测性质间的回归模型。VIP-SPLS算法充分利用了每个隐节点的输出信息,能有效解决高维共线性问题,同时具有模型集成的优点,从而改进了ELM模型的性能。将提出的改进ELM算法(improved ELM,iELM)应用于标准近红外光谱数据集,结果表明iELM模型的精度相对于现有的PLS模型和ELM模型分别显著提升了29.06%和27.47%。
文摘目的建立傅立叶近红外光谱法(Fourier transform near infrared spectroscopy,FT-NIR)检测桃果中果胶含量的分析方法。方法以2个桃品种为材料,采集近红外光谱样品,探讨光谱预处理对模型的影响。采用偏最小二乘法(partial least squares,PLS)以及主成分回归(principal component regression,PCR)进行建模,建模相关系数(rc)、建模均方偏差(root mean square error of calibration,RMSEC)、预测相关系数(rp)、预测均方偏差(root mean square error for prediction,RMSEP)作为模型的评价标准。结果2个品种的近红外光谱图和果胶含量无明显差异(P>0.05),采用标准正态变量变换(standard normal variate,SNV)和多元散射校正(multiplicative signal correction,MSC)对原始光谱的光程进行选择,对建模结果的影响基本一致。综合得出最佳模型是利用PLS方法建模并采用MSC/SNV结合一阶导数和Savitzky-Golay(S-G)平滑对近红外光谱图进行预处理,评价参数分别为rc=0.7795、rp=0.7545、RMSEC=0.0933、RMSEP=0.0534和rc=0.7800、rp=0.7530、RMSEC=0.0932、RMSEP=0.0534。结论该方法准确、可靠,适用于桃果中果胶含量的快速检测。