偏最小二乘-判别分析模型影响因素初步研究

目的研究偏最小二乘-判别分析模型的影响因素。方法以小麦为例,采用人工加速老化结合近、中红外光谱技术采集陈化、非陈化小麦粉的近、中红外光谱,分别针对小麦粉衰减全反射中红外数据、衰减全反射中红外一阶导数数据、近红外一阶导数数据以及小麦颗粒近红外一阶导数数据建立偏最小二乘-判别分析模型,分别获取模型参数及第1、2主成分得分分布情况。结果小麦粉近红外一阶导数建模的第1、2主成分得分散点图具有明显的两类样本分布。外部验证数据表明,小麦粉近红外一阶导数所建模型具有更好的稳健性。结论样品的物理形态、数据预处理以及红外光谱波段皆会对偏最小二乘-判别分析模型结果产生影响;同时,红外光谱偏最小二乘-判别分析模型的评价需要从正确识别率、模型的校正测定系数、交互验证测定系数、校正均方根误差、交互验证均方根误差以及模型主要成分得分分布等多种情况综合考虑。