共查询到10条相似文献，搜索用时 15 毫秒
1.
采用化学方法测定了不同女贞子样品的蛋白质、脂肪和可溶性多糖含量,并对女贞子样品同时进行了近红外光谱测定.基于离散小波变换对女贞子近红外光谱的处理,探讨了同时测定女贞子蛋白质、脂肪和多糖含量的支持向量回归模型和偏最小二乘方法.结果表明:将离散小波变换与支持向量回归模型结合,可明显提高支持向量回归模型对女贞子样品中蛋白质、脂肪和可溶性多糖的预测准确度,结果满意. 相似文献
2.
偏最小二乘法用于阿昔洛韦片的近红外漫反射快速、无损含量测定 总被引：2，自引：0，他引：2
目的:采用偏最小二乘法结合近红外漫反射光谱,建立阿昔洛韦片的快速无损含量测定模型.方法:以阿昔洛韦片为分析对象,用光纤探头测定近红外漫反射光谱.对光谱进行不同预处理方法建模并进行比较,多元校正模型为偏最小二乘法.结果:在11995.5～4246.7cm-1波长范围内采用一阶导数结合矢量归一化对光谱进行预处理,结果最优.定量模型的浓度范围为27%～53%.预示集平均回收率为98.69%,RSD为4.60%,RMSEP为0.0526.结论:近红外漫反射光谱法快速,简便,无损,能够用于阿昔洛韦片含量测定. 相似文献
3.
周鑫 《数学学习与研究(教研版)》2015,(3):127
文章介绍了处理多元线性回归模型中多重共线性问题的有偏回归方法——岭回归和偏最小二乘回归,并通过实例比较了两种方法建立的回归方程的拟合效果,而偏最小二乘回归方法相对岭回归方法要更优. 相似文献
4.
《赣南师范学院学报》2013,(3):7-9
酒精度是白酒的主要理化指标.传统的酒精度检测方法繁琐、费时.采取近红外光谱技术结合偏最小二乘回归法建模,通过相关光谱的方法选择最佳建模光谱区域(955 nm-1 047 nm和1 108 nm-1 347 nm),得出线性回归方程.结果显示,主成分个数为3时,模拟训练集的线性相关系数达0.980 2,白酒校验集的相关系数为0.957 4,总体方均根误差为1.800.该方法方便快捷、高效准确、廉价无损,有望成为检测白酒酒精度的新方法. 相似文献
5.
多元线性回归中自变量之间的多重共线性问题在我们实际运用中很容易产生,为了解决这个问题,常用的方法是最小二乘回归.本文以根据分析结果总结出最小二乘回归对解决这一问题的缺点的不足.而偏最小二秉回归法是最小二乘法的一种改进,在变量数目巨大的情况下,如果数据中变量的个数多,偏最小二乘回归的优点更能充分的显示出来 相似文献
6.
为对草莓硬度进行预测研究,利用高光谱成像系统获取草莓的高光谱数据,光谱数据波长为400~1 000nm,采用标准正态变换（SNV）、多元散射校正（MSC）、卷积平滑方法（Savitzky Golay ）以及几种方法相结合对光谱数据进行预处理,选择最优的预处理方法,进一步结合化学计量学方法建立PLS预测模型,比较不同的光谱预处理方法对预测模型的效果,以选择最优预测模型。结果表明,经标准正态变换（SVN）处理后建立的偏最小二乘（PLS）模型效果最好,校正集和预测集的相关系数及均方根误差分别为0.989,0.882和0.021,0.073。因此,可采用高光谱成像技术对草莓硬度进行预测。 相似文献
7.
探索一种方便、快速、可靠的分析手段对于尿糖检测来说具有十分重要的意义.利用近红外光谱测试分析葡萄糖浓度为0 mg/dL-1 200 mg/dL的尿液样本,并通过偏最小二乘回归结合一阶导数光谱法构建尿糖浓度的预测模型,用于建模的光谱区域为900 nm-1 600 nm.研究表明,主成分个数为6时,训练集的线性相关系数达0.999 0,总体方均根误差为9.85 mg/dL,校验样本的总体方均根误差为26.51 mg/dL.鉴于近红外光谱技术具有方便、准确、廉价等优点,其可以为尿糖检测提供一种快速分析手段. 相似文献
8.
9.
高光谱遥感的快速发展使得定量估算植被纤维素含量成为可能。本研究采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的冠层光谱,对观测叶片进行了同步纤维素含量的测定。利用统计相关分析法,分析樟树冠层光谱与纤维素含量之间的相关关系。研究结果表明:在325nm至1075nm波段范围内,樟树幼林纤维素含量的敏感波段位于895nm、590nm、591nm;通过建立各敏感波段与纤维素含量之间的估算模型,并进行精度检验,得出了纤维素含量估算的高光谱模型为:y=38.611 3894.056×α895-14713.7×α590 11100.905×α591。说明利用高光谱遥感数据可以估测樟树幼林的纤维素含量。 相似文献
10.
《兰州石化职业技术学院学报》2016,(1)
建立了煤炭工业分析指标水分、灰分、挥发分与煤炭发热量间的线性回归模型,采用分位数回归估算模型系数。通过对我国新疆伊犁地区煤炭发热量分析研究,表明基于分位数估计的线性回归模型优于基于传统的最小二乘估计的线性回归模型,且预测效果优于支持向量机。 相似文献