摘要
本申请公开了一种近红外光谱定量分析的智能建模方法,属于化学计量学建模技术领域;该方法包括,获取被测样本的近红外光谱的训练集,并对训练集进行样本预处理和光谱预处理,得到预处理数据集;将预处理后的数据集划分为若干组对应的训练子集和验证子集,对每一组的预处理后的数据集中的每一组训练子集,基于极限学习机,建立若干个极限学习机子模型,预测对应的验证子集,获取备选模型库,集成最佳的若干子模型,得到最终的模型。本申请实现了一种自适应性强、易于使用、预测准确度高的近红外光谱定量分析智能建模方法,有效提升了模型的泛化能力和稳定性,降低了对专业知识的依赖。
技术关键词
近红外光谱定量分析
智能建模方法
极限学习机
预处理算法
训练集
模型库
中心化算法
样本
偏最小二乘法
抽样算法
数据
搜索技术
建模技术
蒙特卡洛
预测误差
学习器
校正
直线
节点
系统为您推荐了相关专利信息
岩石抗剪强度
改进型机器
学习算法
物理
分析单元
时间序列预测模型
噪声图像
低剂量CT图像
样本
降噪方法
深度学习网络模型
光流特征
多层卷积神经网络
表情检测方法
人脸特征点