近红外光谱面粉灰分检测模型中异常样品的剔除方法研究
近红外光谱分析技术是一种间接分析技术,分析结果的可靠性主要取决于预测模型的准确性和稳定性,面粉样品的原始数据,即样品的近红外光谱图和化学值的相关性直接影响模型的预测能力,而异常样品的干扰是影响分析模型的重要因素,因此异常样品的判别与处理是提高模型预测能力的一个重要步骤.本次试验用马氏距离法和蒙特卡洛采样法分别对异常样本进行了剔除,马氏距离法剔除异常样本,当权重系数为1.5,剔除样本数为3的时候,得到最好结果,相关系数(R2)为92.67,交互验证均方差(RMSECV)为0.0485.MCCV剔除异常样本,剔除个数为3,得到最好结果,相关系数(R2)为94.64,交互验证均方差(RMSECV)为0.0411.MCCV法较马氏距离法剔除异常样本模型精度和预测精度提高的更为明显.
近红外光谱 异常样本 马氏距离法 面粉灰分 检测模型
刘翠玲 吴胜男 吴静珠 孙晓荣 董秀丽
北京工商大学计算机与信息工程学院,北京100048
国内会议
桂林
中文
283-288
2012-09-12（万方平台首次上网日期，不代表论文的发表时间）