[发明专利]一种近红外光谱模型的鲁棒性改善方法

权利要求书

1.一种近红外光谱模型的鲁棒性改善方法,其特征在于：

(1)采集样本的漫反射光谱，测定样本的糖度值；

(2)将光谱样本映射到一个高维的特征空间，寻找样本的最小包含超球，构建光谱样本的数据域描述函数，引入信任因子和舍弃因子将光谱的训练样本划分为三个区域，通过映射关系建立数据域描述与概率密度的关联，得到模糊隶属度函数，应用穷举搜索参数寻优法确定模糊隶属度函数中的四个未知参数：信任因子、舍弃因子、映射度和模糊隶属度下限，自动生成每个样本的模糊隶属度；

(3)对样本的近红外光谱、模糊隶属度和糖度数据进行训练，建立模糊支持向量机模型，与光谱分析中常用的多元线性回归、偏最小二乘回归、支持向量机模型进行对比，检验模型的鲁棒性。

2.根据权利要求1所述的一种近红外光谱模型的鲁棒性改善方法，其特征在于：步骤(1)所述采集样本的漫反射光谱，采集波长范围是400-1000nm，采样间隔为0.37nm，取四个测试部位的平均光谱作为样本的原始光谱。

3.根据权利要求1所述的一种近红外光谱模型的鲁棒性改善方法，其特征在于：步骤(2)所述模糊隶属度函数中D(x_i)为光谱数据域描述值，引入信任因子D_C和舍弃因子D_T将光谱的训练样本划分为三个区域：位于D(x_i)＜D_C区域的光谱样本，样本具有极高的可信度并且赋予模糊隶属度为1；位于D(x_i)＞D_T区域的光谱样本，包含噪声或奇异点，对应的模糊隶属度为最小值σ；位于D_C≤D(x_i)≤D_T，包含噪声或奇异值的概率各不相同，模糊隶属度与包含噪声或奇异值的概率成正比关系。通过映射关系建立数据域描述D(x_i)与概率密度p_x(x_i)的关联，由概率密度来表征样本的模糊隶属度，模糊隶属度函数：

px(xi)=1if D(xi)<DCσif D(xi)>DTσ+(1-σ)(D(x)-DTDC-DT)dotherwise]]>

式中d是控制映射度的参数。

4.根据权利要求1所述的一种近红外光谱模型的鲁棒性改善方法，其特征在于：步骤(2)所述模糊隶属度函数中四个参数的穷举搜索参数寻优法，首先固定信任因子DC＝D_min和舍弃因子DT＝D_max，对映射度d和模糊隶属度下限σ执行两维穷举搜索，σ的搜索范围是[0.10.9]，步长0.1；d的搜索范围是[2^-8 2⁸]，乘积为2；固定d和σ，对D_C和D_T实施两维穷举搜索，D_C的值选择为使0％、10％、20％、30％、40％、50％的样本模糊隶属度为1；D_T的值选择为使0％、10％、20％、30％、40％、50％的样本模糊隶属度为σ。