[发明专利]一种基于蒙特卡洛交叉验证的NIRS异常样本的检测方法

摘要

本发明提供了一种基于蒙特卡洛交叉验证的NIRS异常样本的检测方法，该方法包括以下步骤：(1)使用组外判定法确定预处理过的光谱数据的最佳主成分并建立O‑PLSR预测模型；(2)判断O‑PLSR模型的稳定性；(3)利用MCCV随机建立大量的O‑PLSR模型，识别出强影响点；(4)用二审判别法判别强影响点中的异常值；(5)再次使用MCCV方法验证异常样本是否剔除完全。该方法能够更加全面、准确的判别异常样本，从而保证样本完全剔除。

主权项

1.一种基于蒙特卡洛交叉验证的NIRS异常样本的检测方法，其特征在于：包括如下步骤：步骤1：使用组外判定法确定预处理过的光谱数据的最佳主成分，并结合偏最小二乘回归PLSR方法建模得到优化后的PLSR预测模型O‑PLSR；步骤2：判断O‑PLSR模型的稳定性；步骤3：使用蒙特卡洛交叉验证法MCCV随机建立多个O‑PLSR模型，识别出强影响点；步骤4：利用二审判别法判别强影响点中的异常值；步骤5：剔除异常样本重复MCCV实验，验证异常样本是否剔除完全；所述步骤1具体为：1.1使用优化后的KS算法选取与校正集和预测集均无交叉的样本M个，仅用来确定最佳主成分；1.2再次采用优化后的KS算法将剩余的样本按照3:1的比例划分为校正集和预测集；1.3对所有样本数据进行预处理，其中预处理方法为移动窗口拟和多项式平滑、标准变量变换以及一阶导数之一或其任意组合；1.4用校正集内所有的样本点以及h个主成分拟合成一个回归方程，并将M个样本点的光谱数据代入拟合好的回归方程，得到M个样本的预测值，将预测值和参考值进行比较，计算得到预测均方根误差SEP,其中h＝1,2,3,...100；1.5统计使用不同主成分h拟合的回归方程对应求得的SEP值，选取最小的SEP值所对应的主成分为最佳主成分；1.6使用最佳主成分建立PLSR模型，即O‑PLSR模型。