区间组合移动窗口法在近红外光谱信息筛选中的应用

"基于区间组合移动窗口法筛选近红外光谱信息" 本文主要探讨了一种新的近红外光谱信息筛选方法——区间组合移动窗口法（SCMW-PLS），该方法旨在简化近红外光谱技术的模型并提高预测精度。在近红外光谱分析中，选择合适的光谱波段对于构建准确的预测模型至关重要。传统的筛选方法如间隔偏最小二乘法（IPLS）和窗口移动偏最小二乘法（MW-PLS）虽然有一定的效果，但可能存在一定的局限性。 区间组合移动窗口偏最小二乘法（SCMW-PLS）创新性地结合了大小连续变化的移动窗口和交叉验证策略。这种方法可以动态地、连续地筛选出对建模最有贡献的光谱区间。在实验中，研究人员以葡萄糖溶液的近红外光谱为样本，对比了SCMW-PLS、IPLS和MW-PLS三种方法在建立预测模型时的表现。 实验结果显示，SCMW-PLS方法相比于IPLS和MW-PLS，预测均方根误差显著降低，分别下降了44%和25%，这表明新方法在筛选光谱信息和提升预测准确性方面具有明显优势。此外，SCMW-PLS能够更好地适应复杂的数据特征，可能是因为它能够灵活地处理不同大小的光谱区间，从而更准确地捕捉到与待测物性质相关的光谱特征。 这篇研究论文由陈玥洋等多位学者完成，得到了国家自然科学基金、江苏省自然科学基金和江苏省光谱成像与智能感知重点实验室开放基金的支持。论文的发表不仅展示了新方法的优越性能，也为近红外光谱技术在生物、化学、食品等领域中的应用提供了更高效的数据处理工具，有助于进一步提升近红外光谱分析的实用性和准确性。 关键词涉及近红外光谱、波段筛选、预测模型和区间组合移动窗口偏最小二乘法，这些关键词反映了研究的核心内容和方法。中图分类号和文献标志码则为该研究在科技文献检索和分类中提供了标识。这篇文章为近红外光谱分析领域的研究者提供了一个有潜力改善模型性能的新工具，对于优化数据处理流程和提升预测模型质量具有重要价值。