独立成分分析-支持向量机回归模型及其在近红外光谱分析中的应用.pdfVIP

维普资讯 第 34卷 第2期 河南师范大学学报 (自然科学版) ． 34 N o．2 2006年 5月 JournalolH8nanNormalUniversit (NaturalScience) Mav．2006 文章编号：1000—2367(2006)02—0075—04 独立成分分析一支持向量机回归模型 及其在近红外光谱分析中的应用 侯振雨 ，姚树文 ，谷永庆 ，徐 甲强 (1．河南科技学院化工系。河南 新乡 453003f2．郑州轻工业学院 材料与化学工程学院，郑州 450002) 摘 要：首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵，然后用支持 向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模。建立了独立成分分析一支持向量机回归(ICA-SVR)的近红 外分析建模方法．结果表明，ICA—SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法，方法用于肉样品 中水分、脂肪和蛋白质的同时测定，获得了满意的结果． 关键词：独立成分分析；支持向量机回归；近红外光谱；肉样品 中图分类号 ：065 文献标识码 ：A 独立成分分析(ICA)_1]是近几年发展起来的一种新的化学计量学方法，是一种从多变量数据集寻找潜 在变量的信号处理方法 ，已成功地应用于生物医学信号处理 ]、盲源信号分离口和图像处理 等领域．近年 来在分析化学领域也得到了成功的应用 ]．支持向量机回归(SVR)[是最近提出的一种基于统计学习理 论的回归模型，是一种适合于小样本情况的通用学习方法，并成功地应用于近红外光谱 的建模分析 ]． 近红外光谱分析方法具有简便、快速及无污染的特点，通过多元校正模型可实现对复杂样品的多组分同 时测定．近红外光谱分析结果的准确性决定于多元校正模型的稳定性．由于近红外光谱的复杂性，再加上近 红外光谱数据与组分浓度之间常呈非线性映射关系，故研究稳健的多元校正模型是近红外光谱分析技术发 展的重要方 向． 本文首先用 ICA对近红外光谱信号进行特征提取，再用SVR模型进行建模及预测，建立了基于独立成 分分析的支持向量机回归(ICA-SVR)多元校正模型．该模型不仅有较好的稳健性，而且也适用于非线性的 近红外光谱分析．方法用于肉样品中水分、脂肪和蛋白质的同时测定，获得了满意的结果． 1 原理与算法 对于一个未知的混合体系，其近红外光谱信号可以表示成各化学成分的单组分化学信号与其浓度乘积 的加和，即： X — CE (1) 其中X表示实验观察到的混合信号矩阵，C表示化学成分的浓度矩 阵，E表示各化学成分的光谱矩阵．若其 潜在变量服从非高斯分布，并且各变量相互独立，则可用 ICA对其数据进行分析．混合体系可视为相互独立 的潜在变量的线性组合，这些潜在变量称为混合体系的独立成分．ICA的目的是由混合体系提取独立成分． 无噪声的 ICA基本模型可以表示为： X — AS (2) 收稿 日期 ：2005一l1一O2 基金项 目：河南省青年骨干教师资助计划项 目I河南省杰出青年科学基金(03120000800) 作者简介：侯振雨(1965 )。男，河南卫辉人。河南科技学院副教授。主要从事分析测试技术和气敏材料研究 维普资讯 河南师范大学学报 (自然科学版) 其 中X(×走)与公式(1)中的X相同，为 个样品、k个数据点构成的近红外信号，A(”× )为混合矩阵， 为独立成分个数 ，S( ×k)为潜在独立成分． 用 ICA从近红外信号中提取独立成分，所得 s的每一行相当于一种统计独立成分的光谱信息，该独立 成分在混合光谱中相对浓度信息，在A中得到体现，即A的某一列相当于s矩阵中某独立成分在不同样品中 相对浓度大小．应该指出的是，ICA提取的独立成分是相互独立的，