主成分分析-支持向量回归建模方法及应用研究

被引：30

作者：

侯振雨 ^{[1
]}

蔡文生 ^{[1
]}

邵学广 ^{[2
]}

机构：

[1] 中国科技大学化学系

[2] 南开大学化学系

来源：

分析化学 | 2006年 / 05期

关键词：

主成分分析; 支持向量回归; 近红外光谱;

D O I：

暂无

中图分类号：

O651 [分析化学基础理论];

学科分类号：

摘要：

将主成分分析（PCA）用于近红外光谱的特征提取,并与支持向量回归（SVR）相结合,实现了主成分分析-支持向量回归（PCA-SVR）用于近红外光谱定量分析的建模方法。与单纯的SVR方法相比,不仅提高了运算速度,而且提高了模型的预测准确度。将PCA-SVR方法用于烟草样品中总糖和总挥发碱含量的测定,所得结果的预测均方根误差分别为1.323和0.0477;回收率分别为91.8%112.6%和88.9%120.2%。

引用

页码：617 / 620

页数：4