专利汇可以提供一种基于PLS-VIP-ACO算法的光谱波长选择方法专利检索,专利查询,专利分析的服务。并且本 发明 属于 光谱 分析领域,尤其是涉及一种基于PLS‑VIP‑ACO 算法 的光谱 波长 选择方法。所述方法结合了蚁群算法(ACO算法)与变量投影重要性系数(VIP系数)、偏最小二乘方法(PLS);包括:在全波长段建立偏最小二乘模型(PLS模型),计算每个波长变量的VIP系数并将得到的VIP系数作为ACO 信息素 的初始值;在每次ACO 迭代 中,记录每次迭代得到的最优模型所对应的波长点及其PLS系数绝对值,并与上一次迭代结果进行累加,同时考虑VIP系数的贡献对ACO信息素进行更新,进入下一次的ACO迭代;迭代全部结束后统计所有波长点的累加PLS系数并按降序排序,记录对应的波长排列次序,然后采用反向剔除弱相关波长的策略获得最终的最优波长组合。本方法能显著提高光谱建模的稳健性与 精度 。,下面是一种基于PLS-VIP-ACO算法的光谱波长选择方法专利的具体信息内容。
1.一种基于PLS-VIP-ACO算法的光谱波长选择方法,其特征在于,所述基于PLS-VIP-ACO算法的光谱波长选择方法包括:在全波长段建立PLS模型,计算每个波长变量的VIP系数并将得到的VIP系数作为ACO信息素的初始值;在每次ACO算法迭代中,记录每次迭代得到的最优PLS模型所对应的波长点及其PLS系数绝对值,并与上一次迭代结果进行累加,同时考虑VIP系数的贡献对ACO信息素进行更新,进入下一次的ACO算法迭代;迭代全部结束后统计所有波长点的累加PLS系数并按降序排序,记录对应的波长排列次序,然后采用反向剔除弱相关波长的策略获得最终的最优波长组合;具体步骤包括:
步骤(1),参数初始化:将样本划分为校正集和预测集;校正集的光谱矩阵为Xs×p,光谱矩阵Xs×p具有s个样本,全波长点有p个,校正集的样本性质矩阵为Ys×1;预测集的光谱矩阵为Xt×p,光谱矩阵Xt×p具有t个样本,全波长点有p个,预测集的样本性质矩阵为Yt×
1;设定最大迭代次数K_MAX,蚁群蚂蚁个数m,最大选取波长数V_MAX,以及设定ACO信息素更新的显著因子Q、ACO信息素衰减系数ρ;迭代次数K初始化为1;
步骤(2),VIP系数计算:在校正集上建立全波长的PLS模型,根据PLS系数计算每个波长点的VIP系数,根据VIP系数能表征特征重要程度这一特性,将ACO信息素矩阵Phe(1×p)初始化为每个波长点的VIP系数;
步骤(3),ACO算法迭代开始:当K
步骤(5),蚁群选择过程:对每只蚂蚁,做以下运算:当j
步骤(7),选取最优蚂蚁:分别对m个蚂蚁选择的波长点(1×V_MAX)在校正集建立PLS模型,采取留一交叉验证的方法,得到相应的RMSECV值;对比m个PLS模型的RMSECV值,选取RMSECV最小的PLS模型对应的蚂蚁为最优蚂蚁,其选中的波长组合为最优波长组合,记录结果,将对应波长点的PLS系数累加储存;
步骤(8),更新ACO信息素:仿照真实生物界蚂蚁的行为,更新ACO信息素;在步骤(7)中选出的最优波长组合中,对应波长点的ACO信息素得到加强,而未被选中的波长点,ACO信息素会以ACO信息素衰减系数ρ减少,更新的ACO信息素矩阵在下一次迭代中被应用;令K=K+
1;记录最优结果对应最优模型的PLS系数,每个波长点的贡献值累加对应波长点的PLS系数绝对值;
步骤(9),重复步骤(3)到步骤(8),直至达到最大迭代次数K_MAX且最优解收敛;得到最终每个波长点的累加PLS系数矩阵后,计算每个波长点的贡献值,即归一化的迭代累加PLS系数;得到贡献值超过阈值的波长集合high_wave(1×g)后,按贡献值从小到大排序,依次剔除贡献值最小的波长点,用筛选出的波长组合进行建模,以交叉验证标准偏差和预测标准偏差综合指标RMSECvP为模型评判标准,将RMSECvP最小的波长组合high_wave(1×(g-g’))作为最终的最优波长组合;
所述步骤(9)中,交叉验证标准偏差和预测标准偏差综合指标RMSECvP为RMSECV和RMSEP的组合指标,指标RMSECvP分别与RMSECV、RMSEP正相关,且RMSECvP=(RMSECV+RMSEP)。
2.根据权利要求1所述的一种基于PLS-VIP-ACO算法的光谱波长选择方法,其特征在于,所述步骤(1)中,所述最大迭代次数K_MAX的取值范围为20到200之间。
3.根据权利要求1所述的一种基于PLS-VIP-ACO算法的光谱波长选择方法,其特征在于,所述步骤(1)中,所述最大选取波长数V_MAX的取值范围为20到400之间。
4.根据权利要求1所述的一种基于PLS-VIP-ACO算法的光谱波长选择方法,其特征在于,所述步骤(1)中,所述蚁群蚂蚁个数m的取值范围为10到100之间。
5.根据权利要求1所述的一种基于PLS-VIP-ACO算法的光谱波长选择方法,其特征在于,所述步骤(8)中,所述ACO信息素的更新考虑VIP系数的贡献,第n次迭代时的更新系数τn=[(1-ρ)τn-1+ρF]×VIP,其中:ρ作为ACO信息素衰减系数直接影响算法的收敛速度,ρ的取值范围为0.6-0.9之间;F=Q/(1+RMSECVmin),式中Q为显著因子用来调整目标函数的收敛速度,Q的取值范围为0.1-0.3之间;RMSECVmin为最优模型对应预测集上的RMSECV值,若波长点在得到RMSECVmin的最优波长组合中,则按F=Q/(1+RMSECVmin)计算得到目标函数F的值;若波长点不在最优波长组合中,则F直接取值为0。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种双声光调Q的U形谐振腔激光器 | 2020-05-08 | 698 |
一种微带共面波导混合结构的巴伦电路及设计方法 | 2020-05-08 | 109 |
一种非掺杂白光发光层串联有机电致发光器件 | 2020-05-08 | 492 |
偏振膜、偏振片、及偏振膜的制造方法 | 2020-05-08 | 451 |
一种激光二极管的发射功率自动调整电路及方法 | 2020-05-08 | 550 |
一种饭煲 | 2020-05-11 | 448 |
腔内泵浦中红外脉冲激光器 | 2020-05-08 | 281 |
基于级联双平行马赫曾德尔调制器产生光频梳的装置和方法 | 2020-05-08 | 862 |
一种紫外可见分光光度计 | 2020-05-08 | 235 |
一种以间氨基苯酚为还原剂制备金纳米棒的方法 | 2020-05-11 | 986 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。