结合分类与局部PLS的近红外光谱定量分析

摘要

近红外光谱分析技术是近年来发展起来的一种快速检测技术.为了提高近红外光谱定量分析的精度,文章首先用支持向量机法对测试样本进行分类,然后选用与待测样本性质相近的同类部分校正集样品建模来预测待测属性值.为了克服分类错误样本的影响,提出了一种新的混合PLS算法(称为H_PLS法).该算法由基于分类的局部PLS法(称为C_PLS法)和基于全部训练样本集的局部PLS法(称为D_PLS法)组成,通过比较C_PLS法和D_PLS法的输出,计算测试样本的待测属性值.针对一批汽油样本的实验结果表明,在分类完全正确时C_PLS法的预测精度高于C_PLS法,然而存在分类错误时C_PLS法的预测精度将会显著下降.H_PLS法结合了C_PLS法和D_PLS法的优点,即使存在分类错误样本,使用该方法也可以将复相关系数从D_PLS法的0.973 4和C_PLS法的0.965 6提高到0.985 8.