一种基于变量稳定性与集群分析相结合的近红外波长的选择方法

为了提高分析模型的效率与性能，提出了一种基于变量稳定性与集群分析相结合（VSPA）的波长选择方法。该算法将变量分为样本空间与变量空间，在样本空间里计算变量的稳定性，根据稳定性值，利用加权自举采样技术将变量划分为有用变量与无用变量；在变量空间中，统计每个变量出现的频率，利用指数衰减函数在无用变量中去掉变量频率较低的变量。将算法应用在近红外光谱玉米数据集中来预测玉米中淀粉的含量，其预测集均方根（RMSEP）与相关系数（R_p）分别为0.0409和0.9974，筛选后的特征变量仅为原始光谱数据的2.7%，说明提出的变量选择方法能够提高模型的运算效率与预测能力，是一种有效的变量选择方法。