[发明专利]一种基于LASSO的近红外光谱变量选择方法

权利要求书

1.一种基于LASSO的近红外光谱变量选择方法，其特征在于包含以下步骤：

1)采集被测物样本的近红外光谱数据，用常规方法测定训练集中样本的被测成分浓度含量，采用一定分组方式将数据分为训练集和预测集；

2)确定LASSO的约束值t.；

3)利用最小角回归算法求解LASSO的回归系数β；

4)将训练集光谱矩阵回归系数β不为0的波长列与浓度向量建立偏最小二乘回归(PLS)模型，利用这个模型，预测未知样本成分的含量。

2.根据权利要求1所述的一种基于LASSO的近红外光谱变量选择方法，其特征在于：所述的利用最小角回归算法求解LASSO的回归系数β的具体过程为：

①更新模型入选变量集(activeset)，计算相关系数绝对值

y^0=0;c^kj=xjI(y-y^k-1);C^k=max{|c^kj|}]]>

更新activesetA(k)

A(k)=A(k-1)+{j^};]]>A(0)＝φj^=argminj∉A(k-1){|c^kj|}]]>

②确定最小角方向(u_k)

令X_k＝(...s_jx_j...)_j∈A(k)

其中sj=sign{c^kj},]]>ωk=Ak(XkIX)-11k,]]>Ak=(1kT(XkTX)-11k)-0.5]]>

1_k是所有分量为1的向量，其长度等于|A|

计算最小角方向：u_k＝X_kω_k

③计算步长

当j∉A(k),]]>令akj=xjTuk]]>

若|A|＝d，则算法终止

否则γ^k=minj∉A(k)+{C^k-c^kj/(Ak-akj),(C^k+c^kj)/(Ak+akj)}]]>

④预测响应

γ~=minγj>0,j∈A(k){γj},]]>其中γj=-β^j/(sjωkj);]]>γ~l=∞]]>

若γ~k<γ^k,]]>则y^k=y^k-1+γ^kuk]]>

当j∈A时，β^j←β^j+γ~ωkjsj,]]>否则β^=0]]>

A(k+1)=A(k)-{j~},]]>其中j~=argminj{γj}]]>

c^k+1j=xjI(y-y^k),]]>并且C^k+1=maxj{|c^k+1j|},]]>返回执行步骤①

否则y^k=y^k-1+γ^kuk]]>

当j∈A时，否则返回执行步骤①。