文献类型：期刊文章

作　　者：宦克为[1] 刘小溪[2] 王欣[2] 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130000 [3]北京东方孚德技术发展中心,北京100000

出　　处：《长春理工大学学报（自然科学版）》

基　　金：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)

年　　份：2014

卷　　号：37

期　　号：5

起止页码：146-150

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：为了提高模型预测精度,结合连续小波变换(CWT)的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析(PCA)选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法(PLS)建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正(MSC)及支持向量机(SVM)建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法(UVE)和连续投影算法(SPA)及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。

关 键 词：近红外光谱 连续小波变换 无信息变量消除  连续投影算法 支持向量机

分 类 号：O657.33]