[发明专利]一种基于LASSO的近红外光谱变量选择方法在审
| 申请号： | 201510581659.5 | 申请日： | 2015-09-11 |
| 公开（公告）号： | CN105203498A | 公开（公告）日： | 2015-12-30 |
| 发明（设计）人： | 卞希慧;颜鼎荷;李淑娟;谭小耀;李翔 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G01N21/359 | 分类号： | G01N21/359 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于LASSO的近红外光谱变量选择方法，具体过程如下：采集样本的近红外光谱，用常规方法测定被测成分浓度向量；采用一定的分组方式将数据集分成训练集和预测集；采用交叉验证确定LASSO方法的约束值t；利用最小角回归算法计算回归系数β，保留β不为0的波长点的位置；利用保留的波长对应的训练集光谱与浓度向量间建立偏最小二乘回归模型，对预测集样本被测成分浓度进行预测。该方法能提取出有效波长，简化了定量分析模型，提高了模型的预测精度。与已有变量选择方法相比，具有快速、可重复、用更少的变量数达到更高预测精度的优势。本发明适用于复杂样品近红外光谱的变量选择。 | ||
| 搜索关键词： | 一种 基于 lasso 红外 光谱 变量 选择 方法 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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天津工业大学，未经天津工业大学许可，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/patent/201510581659.5/，转载请声明来源钻瓜专利网。
