基于集成最小二乘支持向量机方法的近红外光谱分析

摘要：

针对近红外(Near Infrared,NIR)光谱测量中的小样本问题.本文提出了一种集成最小二乘支持向量机(Ensemble Least Squares Support Vector Machine,ELS-SVM)新算法.首先使用随机子空间算法(Random Subspace Method,RSM)原始高维变量空间划分为若干个低维度的子空间,然后分别在各个子空间建立最小二乘支持向量机(LS-SVM)模型,最后构造一个集成结果来进行预测.针对一批柴油样本的实验结果表明,本法对柴油十六烷值的预测精度优于传统的LS-SVM方法.

关键词：集成学习、随机子空间算法、近红外光谱、最小二乘支持向量机

所属期刊栏目：28

分类号：O657.33(分析化学)

在线出版日期：2011-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1054-1057