基于L1-L2联合范数约束的中药近红外光谱波长选择
2018-12-13李四海
计算机应用与软件 2018年12期
任 真 李四海
(甘肃中医药大学信息工程学院 甘肃 兰州 730000)
0 引 言
中药具有物质成分多、作用机理复杂等特点,保证中药产品质量的可靠稳定是实现中药现代化必须要解决的关键问题。近红外光谱分析技术是20世纪90年代以后迅速发展起来的一种新型在线检测技术,具有简便、低成本、不破坏样品等优点,已在农业、食品、石油化工、药物质量控制等领域得到广泛应用。在中药质量控制方面,近红外光谱能够快速、准确地鉴别中药材的真伪、种类和产地,并且能够快速测定中药材中有效成分的含量以及中药辅料的品质[1-2]。
近红外光谱信号具有维度高、变量多重共线性严重等特点[3]。文献[4]用随机蛙跳算法(Random-frog)对生物柴油近红外光谱进行波长选择,分别建立了生物柴油含水量的偏最小二乘和支持向量机预测模型,取得了较好的效果。文献[5]建立了金银花醇沉过程中绿原酸含量的偏最小二乘回归模型,通过竞争自适应抽样CARS变量选择方法,提高了模型的预测精度。以上研究表明,基于波长变量选择的近红外光谱建模方法能够有效提高模型的预测能力。
现有的波长变量选择方法大多是封装式的:通过遍历搜索,找到变量空间的最优特征子集,使模型的均方根误差最小。由于特征子集的搜索采用前向、后向或蒙特卡洛随机搜索策略,对每一个特征子集的评价都需要重新训练模型,计算开销较大。嵌入式特征选择是机器学习中一类重要的特征选择方法,其通过最小化目标函数,使得特征选择和模型训练融为一体,同步完成,由于L1范数的稀疏特性,嵌入式特征选择能够自动实现变量选择,降低模型的过拟合风险,提高模型的可解释性。……
登录APP查看全文
