[發明專利]一種用于近紅外光譜分析的校正集和驗證集的劃分方法有效
| 申請號： | 201611062548.4 | 申請日： | 2016-11-25 |
| 公開（公告）號： | CN106770005B | 公開（公告）日： | 2018-10-26 |
| 發明（設計）人： | 聶磊;臧恒昌;曾英姿;姜紅;姜文文;張惠;李彤彤 | 申請（專利權）人： | 山東大學 |
| 主分類號： | G01N21/359 | 分類號： | G01N21/359;G06F17/50 |
| 代理公司： | 濟南圣達知識產權代理有限公司 37221 | 代理人： | 王志坤 |
| 地址： | 250061 山*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 樣本 驗證集 擬合 近紅外光譜分析 校正集 建模 參考 近紅外光譜 校正集樣本 模型計算 剩余樣本 預測能力 剔除 關聯 預測 重復 | ||
1.一種用于近紅外光譜分析的校正集和驗證集的劃分方法，其特征在于，步驟如下：
將樣本的近紅外光譜進行異常值檢測，剔除異常值；然后抽取一定量的樣本組成獨立驗證集；
將剩余樣本的近紅外光譜與相應的參考值關聯，建模，擬合，計算每個樣本的擬合值和對應參考值的差值的平方，記為ei2＝(Yi-Yif)2，
其中，Yi和Yif分別表示樣本i的參考值和通過模型計算的擬合值，ei代表Yi和Yif的差值；
選擇ei2最小值對應的樣本作為驗證集樣本；將ei2最小值對應的樣本剔除，然后對于剩余樣本繼續建模、擬合，重復上述步驟，直到選擇出需要的驗證集樣本數量，剩余的樣本為校正集樣本。
2.如權利要求1所述的劃分方法，其特征在于，采用偏最小二乘法建模，將樣本的近紅外光譜與相應的參考值進行關聯。
3.如權利要求2所述的劃分方法，其特征在于，建模方法的潛在變量數由10倍交叉驗證得到；建模是在模型優化的潛在變量數下進行。
4.如權利要求2所述的劃分方法，其特征在于，建模得到的關系模型為：Y＝XBpls；其中，Bpls是對應的回歸系數。
5.如權利要求1所述的劃分方法，其特征在于，擬合的操作為：通過建模求出Bpls，然后再利用模型：Yf＝XBpls，求出Yif。
6.如權利要求1所述的劃分方法，其特征在于，采用Hotelling T2法進行異常值檢測。
7.如權利要求1所述的劃分方法，其特征在于，采用隨機抽取法抽取樣本組成獨立驗證集。
8.如權利要求1所述的劃分方法，其特征在于，獨立驗證集的樣本數量少于校正集的樣本數量。
9.如權利要求1所述的劃分方法，其特征在于，校正集和驗證集樣本數量的設置比例為(3-8)：1。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山東大學，未經山東大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201611062548.4/1.html，轉載請聲明來源鉆瓜專利網。
