小麥水分含量是評(píng)估小麥品質(zhì)的重要指標(biāo),近紅外光譜技術(shù)可以同時(shí)、快速、無損的對(duì)小麥水分含量進(jìn)行檢測(cè)與定量分析�；谀Ｐ图悍治�(MPA)思想,結(jié)合引導(dǎo)軟閾值算法(BOSS)對(duì)光譜變量進(jìn)行選擇,通過子模型回歸系數(shù)得到變量權(quán)重,采用加權(quán)引導(dǎo)采樣(WBS)逐步校正優(yōu)化變量權(quán)重,收縮變量空間,選取交叉驗(yàn)證均方根誤差(RMSECV)較小的子集為最優(yōu)變量集,以此建立回歸預(yù)測(cè)模型。結(jié)果顯示,與全光譜模型相比,利用BOSS算法選擇的特征變量建模,可以將預(yù)測(cè)均方根誤差(RMSEP)由0.471 7下降到0.224 9,預(yù)測(cè)精度提高了52.3%,極大程度簡化了模型,提高了模型預(yù)測(cè)能力。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 實(shí)驗(yàn)部分
    1.1 樣品制備
    1.2 實(shí)驗(yàn)儀器及軟件
    1.3 近紅外光譜采集
2 原理與樣本數(shù)據(jù)處理
    2.1 BOSS算法原理
    2.2 模型評(píng)價(jià)
    2.3 異常樣本識(shí)別與剔除
    2.4 樣本分類
3 結(jié)果與討論
    3.1 參數(shù)的設(shè)置
    3.2 變量選擇提取
    3.3 不同建模方法結(jié)果對(duì)比
4 結(jié)論



本文編號(hào)：3854589