2015奇异数据筛选法在玉米籽粒蛋白质近红外光谱检测中的应用.pdfVIP

第２４ 卷第 １ 期 激 光 生 物 学 报 Ｖｏｌ．２４ Ｎｏ．１ ２０１５ 年２ 月 ＡＣＴＡ ＬＡＳＥＲ ＢＩＯＬＯＧＹ ＳＩＮＩＣＡ Ｆｅｂ．２０１５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７７１４６．２０１５．０１．００６ 奇异数据筛选法在玉米籽粒蛋白质 * 近红外光谱检测中的应用 １，３ １ １，２，３，* 梁秀英 ，李小昱 ，杨万能 （１．华中农业大学工学院，湖北 武汉４３００７０；２．华中农业大学作物遗传改良国家重点实验室，湖北 武汉４３００７０； ３．华中农业大学农业生物信息湖北省重点实验室，湖北 武汉４３００７０） 摘 要： 相对于传统生化测定方法，基于近红外光谱（Ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ，ＮＩＲＳ）玉米籽粒蛋白质含量检 测是一种快速、非破坏、且适用于多组分同时检测的新方法。但在建模过程中，由于奇异数据（异常值）的存在 会影响近红外光谱模型的预测精度和稳定性，我们采用奇异数据筛选法剔除了玉米籽粒近红外光谱中的奇异 数据并建立了玉米籽粒蛋白质含量的偏最小二乘支持向量机（Ｌｅａｓｔ ｓｑｕａｒｅｓ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ，ＬＳＳＶＭ）模 型。本文分别采用杠杆值法（Ｌｅｖｅｒａｇｅ）、半数重采样法（Ｒｅｓａｍｐｌｉｎｇ ｂｙ ＨａｌｆＭｅａｎ，ＲＨＭ）和蒙特卡洛采样法 （ＭｏｎｔｅＣａｒｌｏ Ｓａｍｐｌｉｎｇ，ＭＣＳ）剔除了玉米籽粒蛋白质光谱数据中的奇异数据并对模型结果进行比较。在剔除奇 异数据的基础上，采用偏最小二乘回归法（Ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ ｒｅｇｒｅｓｓｉｏｎ，ＰＬＳＲ）提取主成分，并基于小生境蚁群 算法（Ｎｉｃｈｅ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ，ＮＡＣＡ）优化偏最小二乘支持向量机（ＬＳＳＶＭ）模型参数（ 和 ），建立基于２ γ σ ＬＳＳＶＭ的玉米籽粒蛋白质定量分析模型。结果表明，采用３ 种奇异数据筛选法剔除奇异数据后所建 ＬＳＳＶＭ 模型的预测结果都优于采用原光谱数据所建模型，相比较而言，蒙特卡洛采样法为基于近红外光谱检测玉米籽 粒蛋白质的最佳奇异数据筛选法。 关键词： 玉米籽粒蛋白质；奇异数据筛选法；偏最小二乘支持向量机 （ＬＳＳＶＭ）；小生境蚁群算法 （ＮＡＣＡ） 中图分类号： Ｏ６５７ 文献标识码： Ａ 文章编号： １００７７１４６（２０１５）０１００３８０８ Ｏｕｔｌｉｅｒ Ｄｅｔｅｃｔｉｏｎ ｆｏｒ Ｍｅａｓｕｒｅｍｅｎｔ ｏｆＰｒｏｔｅｉｎ Ｃｏｎｔｅｎｔ ｉｎ Ｍａｉｚｅ Ｋｅｒｎｅｌｓ Ｂａｓｅｄ ｏｎ Ｎｅａｒ­ｉｎｆｒａｒｅｄ Ｒｅｆｌｅｃｔａｎｃｅ Ｓｐｅｃｔｒｏｓｃｏｐｙ １，３ １ １，２，３ * ＬＩＡＮＧＸｉｕｙｉｎｇ ，ＬＩＸｉａｏｙｕ ，ＹＡＮＧ Ｗａｎｎｅｎｇ