Boosting算法在近红外光谱分析中的应用.pdfVIP

维普资讯 控制系统 石 油 化 工 自 动 化，2004，1：31 AUT()M AT10N IN PETR()-CHEMICAL INDUSTRY Boosting算法在近红外光谱分析中的应用 乐 斌 ，昊铁 军 ，方 骏 (浙江大学 智能系统与决策研究所 ．浙江，杭州 3l0027) 关键词 ：Boosting是一种新型的机器学习算法，其主要用于提高回归算法的性能。介绍了一种以RBF神经网络为基础学 习机的Boosting回归算法，并将此算法应用于油品辛烷值分析中．与常用的油品分析技术偏最小二乘法(PLS)、多元线性回归 (MIR)方法和单个 RBF神经网络的拟和预测效果对比分析。结果显示．该算法具有学习速度快、跟踪性能好、范化能力强等 优点。 摘要 ：boosting；机器学习；光谱分析 中图分类号 ：TP274．52 文献标识码 ：B 文章编号 2004)01—003卜03 AnalysisofNIR UsingBoostingAlgorithm YUEBin。WU Tie—iun，FANGJun (Inst．ofIntelligentSystemsandDecisionMaking，ZhejiangUni．，Hangzhou，310027，China) Abstract：Boostingisanew machinelearningalgorithm ，whichisusuallyutilizedto improvetheperform— anceofanensembleofregressionalgorithms．A boosting regression algorithm usingRBF neuralnet— worksasabaselearnerisproposed．Meanwhilethisalgorithm isappliedinthepredictionofgasolineOC— tanenumber．In comparison with othertraditionaltechniques，suchasPLS method，M LR method and singleRBF neuralnetwork，itshowsthatthismethodfeatureshigh learningspeed，goodapproximation andexcellentgeneralizationability． Keywords：boosting；machinelearning；spectrum analysis 近红外光谱技术 一是一种间接分析技术，可 以 的粗糙算法即可，称之为基础算法。通过不断地调 对含氢功能团的化合物进行定量和定性分析。其 用这个基础算法就可以获得一个拟合和预测误差 原理是对采集到的样本近红外光谱数据进行分析 ， 都相当好的组合回归模型。Boosting算法可 以应 建立样本物性参数和光谱关系的相关模型。从而 用于任何的基础回归算法，无论是线性 回归，神经 获得新样本的物性参数。 网络，还是 SVM 方法 ，都可 以有效地提高精度。 在近红外光谱的分析过程中，光谱预处理及校 因此，Boosting可 以被视为一种通用的增强基础算 正模型的建立都需要用到多元校正的方法。A舢一 lyticalChemistry一书 中的化学计量学评述总结 收稿 日期 ：2003—0806；修改稿收到 日期 ：2003一i卜ii 了多元校正方法