结合偏最小二乘判别分析与支持向量机的近红外光谱软测量方法

摘要

为了提高近红外光谱分析的精度，本文提出了结合偏最小二乘判别分析与支持向量机的软测量方法(PLS-DA-SVM)。方法基于一组包含不同类别的训练样本，先引入二叉树进行多重分类，利用偏最小二乘判别分析建立节点分类器；再利用偏最小二乘支持向量机建立每类样本的定量模型。预测时，用分类树对待测样本进行分类，然后选择相应的偏最小二乘支持向量机模型进行定量分析。实验结果表明，PLS-DA-SVM的预测精度较PLS、LS-SVM等建模方法有显著提高。