[发明专利]一种支持向量机模型的近红外光谱特征波长选择方法

摘要

一种支持向量机模型的近红外光谱特征波长选择方法，波长选择过程以光谱信息原始样本映射到核函数空间的分布情况为指导，核心是通过波长选择使原始样本映射到核函数空间后具有较大的支持向量边界，较小的分布半径R及较大的样本空间距离，从而使原始样本经过核空间映射后具有较高的可识别度。该方法原理简单，易于实现，容易得到区分度较高的模型。此外，该方法波长选择基于结构风险最小化原则进行，并且选择过程只依据训练样本集进行，能够保证波长选择后模型的泛化能力。

主权项

1.一种支持向量机模型的光谱特征波长选择方法，其特征在于：该方法包括以下步骤：S1：对近红外光谱样本信息进行预处理，去除噪声因素的影响；S2：对近红外光谱样本信息中所有的波长点进行顺序编号，令S＝{被选择波长点集合}，w_i(i＝1,…,N_S)为编号为i的波长点对应的权重系数，N_S为集合S中元素数；S3：确定辅助参数C及标准差σ，被选择波长点集合S的初始值S₁设为包含所有波长点，同时将所有波长点的权重系数w_i初始值置为1，i＝1,…,N_S；S4：令性能指标J₁＝0，S₁＝S，S₂＝Φ，Φ为空集合；S5：随机从集合S₁中选择一个波长点并记为i同时添加到集合S₂中，同时将波长点i从集合S₁中移除，利用S₂中波长点集合建立LSSVM模型，获得建模参数α及核函数矩阵K，其中，α通过求解方程组(1)获得，K通过(2)计算；x，y分别为近红外光谱的样本信息及相应的物性信息，n为样本个数；S6：计算J₂＝‖ω‖²R/D，其中，R为原始样本映射到核空间后超球体的半径；D为核函数空间样本的平均距离；指标J₂综合考虑了支持向量边界及原始样本映射到核函数空间的分布半径及样本映射到核函数空间后的空间距离，若原始样本经过映射后具有支持向量边界M、分布半径R、样本间距D，则原始样本经过核空间映射后具有相应的可识别度；‖ω‖²、R、D分别采用下式计算：(a)‖ω‖²＝α^TKα，其中，α为对应的拉格朗日乘子矩阵，K为核函数矩阵，α^T为拉格朗日乘子的转置矩阵；(b)R＝max{d_ij}，i，j＝1，…，n，n取正整数；(c)D＝1/n²∑d_ij，其中，d_ij＝2(1‑K(x_i,x_j))；S7：若J₂>J₁，则将S5中增加的波长点i对应的权重系数w_i减小δ，否则，若J₂<J₁，则将S5中增加的波长点i对应的权重系数w_i增加2δ；S8：令J₁＝J₂；S9：若S₁非空，转到S5添加下一个波长点，否则转S10；S10：从集合S中删除w_i小于或等于0的波长点；S11：若集合S中包含的波长点数量小于或等于预设的建模所需最小波长点数量N_min，则结束波长选择过程，否则判断波长权重系数w是否达到稳定状态，若达到稳定状态，则结束波长选择过程，否则，转到S4对集合S中的波长进一步筛选。