典型文献
基于LASSO算法的光谱变量选择方法研究
文献摘要：
光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用.然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度.因此,在建立模型前需要进行变量选择.最小绝对收缩与选择算子(LASSO)可将回归系数收缩为0,进而达到变量选择的目的.该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘(PLS)和多元线性回归(MLR)模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除-PLS(UVE-PLS)、蒙特卡罗结合UVE-PLS(MCUVE-PLS)和随机检验-PLS(RT-PLS)3种变量选择方法进行比较.结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快.对三元调和油样品,LASSO-PLS预测的准确度最高;对生物样品,LASSO-MLR预测的准确度最高.因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用.
文献关键词：
多元校正;变量选择;最小绝对收缩与选择算子(LASSO);光谱分析
中图分类号：
作者姓名：
王恺怡;杨盛;郭彩云;卞希慧
作者机构：
天津工业大学 省部共建分离膜与膜过程国家重点实验室,化学工程与技术学院,天津 300387;绍兴市柯桥区污染物总量控制中心,浙江 绍兴 312030;宜宾学院 过程分析与控制四川省高校重点实验室,四川 宜宾 644000
文献出处：
引用格式：
[1]王恺怡;杨盛;郭彩云;卞希慧-.基于LASSO算法的光谱变量选择方法研究)[J].分析测试学报,2022(03):398-402,408
A类：
MCUVE
B类：
LASSO,光谱变量,变量选择,选择方法,光谱分析技术,定性和定量分析,而光,成百上千,目标性,不相关,计算量,预测准确度,建立模型,选择算子,回归系数,调和油,近红外光谱,生物样品,拉曼光谱,偏最小二乘,PLS,MLR,香油,肌氨酸,无信息变量消除,蒙特卡罗,选择算法,多元校正
AB值：
0.295611
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
