互信息诱导子空间集成偏最小二乘在近红外光谱定量校正中的应用.docVIP

互信息诱导子空间集成偏最小二乘在近红外光谱定量校正中的应用 【摘要】 在集成框架下，提出了一种联合自助采样和基于互信息变量选择的子空间回归集成偏最小二乘算法MISEPLS。此算法的核心是通过训练集自助采样和随后计算互信息的方式来引入成员模型的差异性。由于互信息量小于一个特定阈值的变量被淘汰，每个成员模型在原始变量的一个子空间得到训练。模型融合考虑了简单平均和加权平均两种方式。通过两个近红外光谱定量校正实验，与建立单模型的全谱偏最小二乘算法(PLS)和基于互信息变量选择的偏最小二乘算法(MIPLS)进行了比较。结果表明，在不增加模型复杂度的情况下，MISEPLS能建立起更精确、更稳健的校正模型。 【关键词】 互信息，子空间，集成，校正，近红外光谱 　　1 引言 　　近年来, 近红外光谱(NIR)技术以其简便、快捷、低成本、无污染以及不破坏样品等优点，被越来越多地应用于石油、化工、医药、食品等领域[1～４]。近红外光谱对应分子中含氢基团的振动倍频与合频，加之各种干扰存在和物理因素影响，具有背景复杂、谱峰重叠、变动、信号弱的特点，其中的有效信息率非常低。因此，从复杂、重叠、变动的光谱信号中提取微弱的有用信息，并建立校正模型是应用近红外光谱技术的难点和关键，直接决定了其可用性[５]。化学计量学算法已成为近红外光谱技术的核心技术之一[６]。具有代