基于最小角回归与GA-PLS的NIR光谱变量选择方法.pdfVIP

第37卷，第6期 光谱学与光谱分析 Vol 201 7年6月 and June．2017 SpectroscopySpectralAmlysis 基于最小角回归与GA—PLS的NIR光谱变量选择方法 颜胜科1，杨辉华1’弘，胡百超1，任超超1，刘振丙1 1．桂林电子科技大学电子工程与自动化学院，广西桂林541004 2．北京邮电大学自动化学院，北京100876 摘要近红#F(NIR)光谱一般具有较多的波长变量数，对其直接或间接地进行变量选择是提高模型稳定 性能及预测性能的关键。最小角回归(LAR)是一种相对较新和有效的机器学习算法，常用于进行回归分析 和变量选择。面向光谱建模应用，提出一种LAR结合遗传偏最小二乘法(GA-PLS)的变量选择方法，可有效 筛选出少数特征波长点。首先在全光谱区利用LAR消除变量间的共线性得到初筛波长点，然后用GA-PLS 对LA