关键字：偏最小二乘;模型种群分析;红外光谱技术;变量选择;子空间建模

摘要：变量选择方法可以实现对高维数据的降维，降低标定模型的复杂度以及提高模型的预测能力和可解释性，对建立高效可靠的预测模型具有重要意义。本文将模型种群分析（Model Population Analysis, MPA）用于近红外光谱标定建模过程的变量选择，结合MPA在同一空间反复抽取子集的特点，提出一种子集索引重用核-偏最小二乘（Subset Index Reuse Kernel-Partial Least Squares,SIRK-PLS）融合建模方法。该方法通过对预先计算的协方差矩阵进行索引，从本质上避免MPA框架下变量选择子集交叉验证和回归系数求解过程中的冗余计算，提高建模效率。此外，SIRK-PLS建模方法可以根据样本数和变量数的比例，实现建模算法的自动最优切换。通过标称近红外光谱玉米数据集对算法性能进行验证。结果表明，本文提出的SIRK-PLS建模方法收敛速度快、精度高，适用于移动红外光谱设备的自动快速降维建模，具有一定的应用前景。

卷号：No.340

期号：12

是否译文：否