[发明专利]基于离散多重宇宙优化算法的红外光谱波长选择方法在审
申请号: | 201510870796.0 | 申请日: | 2015-12-02 |
公开(公告)号: | CN105445215A | 公开(公告)日: | 2016-03-30 |
发明(设计)人: | 陈媛媛;张瑞;景宁;陈友华;李晋华;王志斌 | 申请(专利权)人: | 中北大学 |
主分类号: | G01N21/35 | 分类号: | G01N21/35;G06F17/50 |
代理公司: | 北京志霖恒远知识产权代理事务所(普通合伙) 11435 | 代理人: | 申绍中 |
地址: | 030051 山*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 离散 多重 宇宙 优化 算法 红外 光谱 波长 选择 方法 | ||
1.基于离散多重宇宙优化算法的红外光谱波长选择方法,其特征在于,按照以下步骤进行:
步骤一、将整个数据集划分为两部分:训练集和验证集;所述训练集用于创建回归模型,所述验证集用于构建离散多重宇宙优化算法的适应度函数;
步骤二、将整个光谱范围划分为若干个子区间,整个光谱范围用一串二进制码表示,对应子区间的选择与否用“1”与“0”表示;
步骤三、随机产生一定规模的初始化种群,针对每个个体,先将其中编码为“1”对应的子区间光谱提取出来,并利用训练集创建回归模型;接着计算验证集的预测结果并选取相关的评价指标作为该个体对应的适应度函数值;
步骤四、利用多重宇宙优化算法进行迭代优化以产生新的种群;
步骤五、在每次迭代过程中,需要对新产生的个体进行离散化处理;
步骤六、计算新产生的种群中每个个体的适应度函数值,并对相关的参数值进行更新;
步骤七、判断是否满足迭代停止条件;若满足,则退出,输出最优值;否则,返回步骤四。
2.根据权利要求1所述的一种基于离散多重宇宙优化算法的红外光谱波长选择方法,其特征在于:所述步骤一中的回归模型可以采用线性方法,也可以采用非线性方法建立。
3.根据权利要求2所述的一种基于离散多重宇宙优化算法的红外光谱波长选择方法,其特征在于:所述线性方法可以为多元逐步回归、也可以为PLS。
4.根据权利要求2所述的一种基于离散多重宇宙优化算法的红外光谱波长选择方法,其特征在于:所述非线性算法可以为神经网络、支持向量机或极限学习机。
5.根据权利要求1所述的一种基于离散多重宇宙优化算法的红外光谱波长选择方法,其特征在于:所述步骤二中的子区间可以采用均匀或非均匀划分方式。
6.根据权利要求1所述的一种基于离散多重宇宙优化算法的红外光谱波长选择方法,其特征在于:所述步骤三中的适应度函数值可以通过验证集的均方根误差或决定系数构建。
7.根据权利要求1所述的一种基于离散多重宇宙优化算法的红外光谱波长选择方法,其特征在于:所述步骤四中的多重宇宙优化算法迭代优化过程主要包括以下两个阶段:全局探测阶段和局部搜索阶段。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中北大学,未经中北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510870796.0/1.html,转载请声明来源钻瓜专利网。