利用神经网络提高偏最小二乘法的NIR多组分分析精度

利用神经网络提高偏最小二乘法的NIR多组分分析精度
白英奎;孟宪江;丁东;申铉国
【期刊名称】《光谱学与光谱分析》
【年(卷),期】2005(025)003
【摘要】提出了一种神经网络(ANN)和偏最小二乘法(PLS)结合的新的近红外(NIR)多组分分析法. 该方法首先把训练样本中待测组分涵盖的浓度区间分成若干个子区间, 利用各个子区间的训练样本分别建立PLS校正模型, 然后利用ANN对未知样本进行分类, 判断其所属的浓度子区间, 应用对应子区间上的校正模型计算预测样本的组分浓度. 和传统的PLS比较, 此方法改善了模型的适应性, 显著地提高了预测精度. 实验及数据处理结果证明了本方法的有效性.
【总页数】3页(P381-383)
【作者】白英奎;孟宪江;丁东;申铉国
【作者单位】吉林大学通信工程学院,吉林,长春,130025;吉林大学通信工程学院,吉林,长春,130025;吉林大学通信工程学院,吉林,长春,130025;吉林大学物理学院,吉林,长春,130025
【正文语种】中文
【中图分类】O235
【相关文献】
1.利用RBF神经网络提高温度测量精度 [J], 孙慧莲;耿振野
2.利用神经网络提高编码器精度的方法 [J], 续志军;洪喜;于欣
3.利用RBF神经网络提高温度测量精度 [J], 孙慧莲; 耿振野
4.利用Kmeans-RBF神经网络提高重力格网化数据精度 [J], 黄子炎;王庆宾;李锁柱;李亮;冯进凯
5.利用聚类分析和偏最小二乘法提高NIR多组分分析精度 [J], 白英奎;孟宪江;许晓杰;欧玉奎;常守业
因版权原因，仅展示原文概要，查看原文内容请购买。