一種基于多元高斯擬合的近紅外光譜建模方法
【專利摘要】本發(fā)明涉及一種基于多元高斯擬合的近紅外光譜建模方法。本方法的建模步驟為：1.為每個(gè)光譜樣本構(gòu)造一個(gè)以該樣本作為中心的高斯核函數(shù)；2.設(shè)置高斯核函數(shù)的寬度值的范圍；3.根據(jù)已有的近紅外光譜訓(xùn)練集數(shù)據(jù)，通過(guò)s重交叉驗(yàn)證求得最優(yōu)的高斯核函數(shù)的寬度值和幅度值；4.將這些優(yōu)化的高斯核函數(shù)疊加在一起，作為最終的模型。通過(guò)這個(gè)模型可以對(duì)新的樣本的屬性值進(jìn)行預(yù)測(cè)。經(jīng)過(guò)真實(shí)的近紅外光譜數(shù)據(jù)的驗(yàn)證，結(jié)果顯示本發(fā)明的預(yù)測(cè)效果比近紅外光譜中常用的偏最小二乘法更好。因此本發(fā)明可以作為一種新的，能在實(shí)際中應(yīng)用的近紅外光譜建模方法。
【專利說(shuō)明】一種基于多元高斯擬合的近紅外光譜建模方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于近紅外光譜識(shí)別領(lǐng)域，具體是一種基于多元高斯擬合的近紅外光譜建 模方法。

【背景技術(shù)】
[0002] 近紅外光譜技術(shù)是一種簡(jiǎn)單、快速、可靠的檢測(cè)技術(shù)。它綜合運(yùn)用了光譜技術(shù)、計(jì) 算機(jī)技術(shù)、模式識(shí)別等多個(gè)學(xué)科的研究成果，以其獨(dú)特的優(yōu)勢(shì)在多個(gè)領(lǐng)域得到了日益廣泛 的應(yīng)用，并已逐漸得到大眾的普遍接受和官方的認(rèn)可。
[0003] 近紅外光譜分析是一種間接的分析方法，往往需要構(gòu)造反映近紅外光譜數(shù)據(jù)和待 分析樣本屬性關(guān)系的數(shù)學(xué)模型。對(duì)于一個(gè)屬性未知的樣本，只要將其對(duì)應(yīng)的近紅外光譜數(shù) 據(jù)帶入已構(gòu)建的數(shù)學(xué)模型，就可以對(duì)這個(gè)樣本的屬性進(jìn)行定性或者定量的分析。
[0004] 近紅外光譜分析中最常用的模型為偏最小二乘模型，建模方法單一，不利于比較 和提升。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明針對(duì)現(xiàn)有的近紅外光譜分析建模方法單一的問(wèn)題，提出了一種基于多元高 斯擬合的近紅外光譜建模方法。本方法建模思想簡(jiǎn)單，模型的預(yù)測(cè)效果好，可以作為一種在 實(shí)際中應(yīng)用的近紅外光譜建模方法。
[0006] 本發(fā)明解決技術(shù)問(wèn)題所采用的方案是：一種基于多元高斯擬合的近紅外光譜建模 方法，包括以下步驟： 步驟一，準(zhǔn)備用于訓(xùn)練的近紅外光譜數(shù)據(jù)Ixi, = 1，2,…，η}，其中Xpyi分別是第 i個(gè)樣本的光譜數(shù)據(jù)和屬性值，η是樣品數(shù)； 步驟二，為每個(gè)訓(xùn)練樣本構(gòu)造相應(yīng)的高斯核函數(shù)，樣本{xi，yi}對(duì)應(yīng)的高斯核函數(shù)為

【權(quán)利要求】
1. 一種基于多元高斯擬合的近紅外光譜建模方法，其特征在于：包括以下步驟： 步驟一，準(zhǔn)備用于訓(xùn)練的近紅外光譜數(shù)據(jù){Xi，y」i= 1，2,…，η}，其中Xpyi分別是第 i個(gè)樣本的光譜數(shù)據(jù)和屬性值，η是樣品數(shù)； 步驟二，為每個(gè)訓(xùn)練樣本構(gòu)造相應(yīng)的高斯核函數(shù)，樣本{xi，yi}對(duì)應(yīng)的高斯核函數(shù)為 其中％，C分別是高斯核函數(shù)的幅度值和寬度值，Ix-XiI表示X和Xi之間的歐 ￥ J , 式距離，X是需預(yù)測(cè)樣本的近紅外光譜數(shù)據(jù)； 步驟三，根據(jù)訓(xùn)練集數(shù)據(jù)構(gòu)造方程組，作為公式一
步驟四，寫出幅度值Bi的表達(dá)式，作為公式二
λ是一個(gè)很小的數(shù)，λe[ΚΓ14, KT6]，I是ηΧη的單位矩陣； 步驟五，初步構(gòu)造預(yù)測(cè)模型表達(dá)式，作為公式三
其中X是需預(yù)測(cè)樣本的光譜數(shù)據(jù)，y是模型對(duì)該樣本的屬性值的預(yù)測(cè)值； 步驟六，設(shè)置參數(shù)c的范圍ce[Cmin，CmJ，Cmin是下限值，Cmax是上限值； 步驟七，將c離散化，廣=pilnCmax/mIpm是對(duì)c的采樣數(shù)，OSj<m， ^ Lmm, m^I； 步驟八，根據(jù)公式一、二、三求得Cj對(duì)應(yīng)的S重交叉驗(yàn)證誤差rmsec Vj,方法如下：對(duì) 于每一個(gè)Cp將訓(xùn)練集樣本均勻的分成s組，將其中的（s-1)組樣本作為訓(xùn)練集，根據(jù)公式 一、二求得相應(yīng)的A，將剩下的一組樣本作為預(yù)測(cè)集，根據(jù)已求得A和公式三，求出相應(yīng)的預(yù) 測(cè)值，這個(gè)過(guò)程循環(huán)s次，得到所有訓(xùn)練樣本的預(yù)測(cè)值，第i個(gè)樣本的屬性值Yi的預(yù)測(cè)值記 為，Cj對(duì)應(yīng)的s重交叉驗(yàn)證誤差
步驟九，選出最小的rmsecVj對(duì)應(yīng)的Cj,記為Cjtjp,將其帶入公式二，求得相應(yīng)的
步驟十，構(gòu)造最終的預(yù)測(cè)模型
其中X是需預(yù)測(cè)樣本的光譜數(shù)據(jù)，y是模型對(duì)該樣本的屬性值的預(yù)測(cè)值。
【文檔編號(hào)】G06F19/00GK104462751SQ201410591604
【公開日】2015年3月25日 申請(qǐng)日期:2014年10月29日 優(yōu)先權(quán)日:2014年10月29日
【發(fā)明者】陳孝敬, 黃光造, 朱德華 申請(qǐng)人:溫州大學(xué)