黄 新，刘伟平

(湖南城市学院 a.管理学院，b.图书馆，湖南 益阳 413000)

近红外光谱是一种简单、快速、无破坏性的新型绿色分析检测技术，被广泛应用于食品检测、环境保护、石油化工以及中药光谱分析等领域[1].近红外光谱数据分析的困难在于波长变量之间通常存在严重的多重共线性，同时含有大量无信息波长甚至是噪声波长，如果直接对全光谱进行建模分析不仅会增加模型的复杂程度与计算代价，甚至还会降低模型的预测性能.因此，光谱变量选择已经成为近红外光谱数据分析中一个关键的环节，对提高模型的预测能力和稳健性具有重要的意义.

目前，为了提高模型的预测能力，国内外学者们提出了一系列基于PLS的变量筛选方法.其中有代表性的方法有：无用信息删除(uninformative variable elimination，UVE)[2-3]；移动窗口偏最小二乘(moving window partial least squares，MWPLS)[4]；自适应竞争权值采样(the competitive adaptive reweighted sampling method)[5-6]等.

为进一步提高变量选择结果的稳健性，本文将变量重要性融入到PLS 中，提出了一种新的基于变量重要性的偏最小二乘特征变量筛选方法(VISPLS)，它是基于变量重要性的向前变量选择算法.同时，选择斯皮尔曼(Spearman)相关系数、肯德尔(Kendall)相关系数、选择性比(selectivity ratio,SR)、投影变量重要性(variable importance in projection VIP)来度量变量的重要性，并用2 个真实的近红外光谱数据集来评估VISPLS 的性能，旨在提高系统预测性能.

1 偏最小二乘原理与算法步骤

偏最小二乘(partial least squares,PLS)法融合了多元线性回归分析、主成分分析和典型相关分析3 种分析方法，由Wold 引入化学计量学，成为近红外数据分析的主要……