支持向量回归算法在NIR光谱法预测烟草淀粉中的应用

摘要：

为考察支持向量机回归(SVR)在烟草近红外光谱(NIRS)分析中应用的可行性,采用偏最小二乘回归(PLS)、多元线性回归(MLR)、误差反向传播人工神经网络(BP-ANN)和SVR对187份烟草样品的NIR漫反射光谱及其淀粉含量的化学测定数据进行处理,建立了烟草中淀粉含量NIRS定标模型,并采用留一法交叉验证(LOOCV)和独立样本集对模型进行了内部和外部验证.结果表明,SVR模型的预测能力比BP-ANN、PLS和MLR模型略好.因此,可将SVR引入到烟草淀粉含量的NIR分析中.

关键词：烟草、近红外光谱、支持向量回归、机器学习

分类号：TS411.1(烟草工业)

在线出版日期：2009-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：41-44,49