文献类型：期刊文章

作　　者：宦克为[1] 刘小溪[2] 郑峰[1] 蔡小龙[1] 于素平[3] 石晓光[1]

机构地区：[1]长春理工大学理学院,长春130022 [2]吉林省科学技术信息研究所,长春130021 [3]北京东方孚德技术发展中心,北京100037

出　　处：《农业工程学报》

基　　金：国家科技攻关课题(2007BAI07A00-1);2011年高等学校博士学科点专项科研基金联合资助项目(20112216110006);吉林省自然科学基金(201215144);长春市科技支撑计划项目(11KZ05)资助课题

年　　份：2013

卷　　号：29

期　　号：4

起止页码：266-271

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20131416161919)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了实现小麦蛋白质的无损检测,简化便携式小麦蛋白质检测设备的预测模型,提高模型预测精度,该文针对小麦采集波长范围为950～1690nm的近红外漫透反射光谱,结合蒙特卡罗采样(MCS,monte carlosampling)技术与特征投影图(LPG,latent projective graph)方法对波长变量进行选择。根据模型集群分析(MPA,model population analysis)思想,采用MCS技术建立样本子空间,利用主成分分析(PCA,principal componentanalysis)得到LPG,假定LPG中共线性光谱变量对建模作用相同,选出少数波长变量建立子预测模型,选出预测均方根误差(RMSEP,root-mean-square error of prediction)较小的子模型,统计分析其变量的出现频次,选取频次最高的波长变量作为影响变量(IVs,influential variables)。研究结果表明,利用IVs建模可以将RMSEP值由0.5245减小到0.2548,采用蒙特卡罗采样技术的特征投影图方法(MC-LPG,monte carlo-latent projective graph)进行变量选择,对于提高模型预测精度是可行的。

关 键 词：近红外光谱 无损检测 模型  变量选择  蒙特卡罗采样  特征投影图  

分 类 号：O657.33]