[发明专利]基于波段筛选的光谱加权集成校正模型的构建方法及系统

权利要求书

1.一种基于波段筛选的光谱加权集成校正模型的构建方法，其特征在于，包括：

红外光谱波长聚类；

对聚类后的红外光谱波长剪枝；

根据剪枝后的红外光谱波长构建综合加权系数；

根据综合加权系数构建加权集成校正模型；以及

通过加权集成校正模型得到预测含量矩阵。

2.如权利要求1所述的构建方法，其特征在于，

所述红外光谱波长聚类的方法包括：

训练集所含S个样品的近红外光谱矩阵为X∈R^M×S，M为波长变量数，物质真实含量化学值矩阵为Y∈R^S×1，1表示列数是1,R表示实数，则对近红外光谱矩阵X＝(r₁,r₂,…,r_M)^T按照波长划分获得波长列向量r₁,r₂,…,r_M，对r₁,r₂,…,r_M进行聚类，分成N类，T表示转置。

3.如权利要求2所述的构建方法，其特征在于，

所述对聚类后的红外光谱波长剪枝的方法包括：对每一类波长变量对应的近红外光谱矩阵和物质真实含量化学值矩阵Y∈R^S×1分别进行偏最小二乘PLS建模得到预测含量矩阵通过比较与Y获得每一类波长变量对预测结果的影响；

式中，i表示波长变量类i＝1,…,N；M_i为第i类波长变量。

4.如权利要求3所述的构建方法，其特征在于，

所述对聚类后的红外光谱波长剪枝的方法还包括：计算每一类物质含量的最大绝对误差和方差；

所述最大绝对误差为：

所述方差为：

式中，μ_i为第i类波长变量绝对误差的均值；E_i,j为E_i中第j个样本的物质含量绝对误差值；ε_i和σ_i的值越大，则删除或减少第i类波长变量在加权集成校正模型中的权重；通过归一化获得统一指标下ε_i和σ_i的综合度量，即

式中，i＝1,…,N。

5.如权利要求4所述的构建方法，其特征在于，

所述对聚类后的红外光谱波长剪枝的方法还包括：每一类波长变量对应的ε_i和σ_i大小具有同步变化，即最大绝对误差越大的类，其方差也越大；

对最大绝对误差和方差归一化的数值求和：z_i＝ε_i+σ_i，并根据z_i大小进行剪枝挑选出最大绝对误差和方差都较小的类；将z_i按照从大到小进行排序，将数值变化较大的波长变量类进行剪枝。

6.如权利要求5所述的构建方法，其特征在于，

所述根据剪枝后的红外光谱波长构建综合加权系数为：剪枝后波长变量剩余K类，在剩余的波长变量每一类中随机选取一个波长则K个波长对应的光谱矩阵组成一个子训练集；子训练集X^c中每一剩余的波长变量对预测结果的重要性不同；通过归一化的最大绝对误差ε_i和方差σ_i构建综合加权系数W修正X^c中剩余的波长变量即

W＝e^-ε·e^-σ；

式中，c表示剪枝；W表示加权系数，W＝(w₁,w₂,…,w_K)，ε＝(ε₁,ε₂,…,ε_K)，σ＝(σ₁,σ₂,…,σ_K)。