[發明專利]基于離散多重宇宙優化算法的紅外光譜波長選擇方法

在審

• 申請號: 201510870796.0
• 申請日: 2015-12-02
• 公開（公告）號: CN105445215A
• 公開（公告）日: 2016-03-30
• 發明（設計）人: 陳媛媛;張瑞;景寧;陳友華;李晉華;王志斌
• 申請（專利權）人: 中北大學
• 主分類號: G01N21/35
• 分類號: G01N21/35;G06F17/50
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 申紹中

1.基于離散多重宇宙優化算法的紅外光譜波長選擇方法，其特征在于，按照以下步驟進行：

步驟一、將整個數據集劃分為兩部分：訓練集和驗證集；所述訓練集用于創建回歸模型，所述驗證集用于構建離散多重宇宙優化算法的適應度函數；

步驟二、將整個光譜范圍劃分為若干個子區間，整個光譜范圍用一串二進制碼表示，對應子區間的選擇與否用“1”與“0”表示；

步驟三、隨機產生一定規模的初始化種群，針對每個個體，先將其中編碼為“1”對應的子區間光譜提取出來，并利用訓練集創建回歸模型；接著計算驗證集的預測結果并選取相關的評價指標作為該個體對應的適應度函數值；

步驟四、利用多重宇宙優化算法進行迭代優化以產生新的種群；

步驟五、在每次迭代過程中，需要對新產生的個體進行離散化處理；

步驟六、計算新產生的種群中每個個體的適應度函數值，并對相關的參數值進行更新；

步驟七、判斷是否滿足迭代停止條件；若滿足，則退出，輸出最優值；否則，返回步驟四。

2.根據權利要求1所述的一種基于離散多重宇宙優化算法的紅外光譜波長選擇方法，其特征在于：所述步驟一中的回歸模型可以采用線性方法，也可以采用非線性方法建立。

3.根據權利要求2所述的一種基于離散多重宇宙優化算法的紅外光譜波長選擇方法，其特征在于：所述線性方法可以為多元逐步回歸、也可以為PLS。

4.根據權利要求2所述的一種基于離散多重宇宙優化算法的紅外光譜波長選擇方法，其特征在于：所述非線性算法可以為神經網絡、支持向量機或極限學習機。

5.根據權利要求1所述的一種基于離散多重宇宙優化算法的紅外光譜波長選擇方法，其特征在于：所述步驟二中的子區間可以采用均勻或非均勻劃分方式。

6.根據權利要求1所述的一種基于離散多重宇宙優化算法的紅外光譜波長選擇方法，其特征在于：所述步驟三中的適應度函數值可以通過驗證集的均方根誤差或決定系數構建。

7.根據權利要求1所述的一種基于離散多重宇宙優化算法的紅外光譜波長選擇方法，其特征在于：所述步驟四中的多重宇宙優化算法迭代優化過程主要包括以下兩個階段：全局探測階段和局部搜索階段。