吳躍進課題組圍繞近紅外光譜分析技術(shù)提出變量選擇算法
近期，中國科學院合肥物質(zhì)科學研究院智能機械研究所離子束生物工程與綠色農(nóng)業(yè)研究中心研究員吳躍進課題組圍繞近紅外光譜分析技術(shù)，提出基于組合移動窗口和智能優(yōu)化算法相結(jié)合的變量選擇算法。相關(guān)研究結(jié)果在線發(fā)表在Spectrochimica Acta Part A：Molecular and Biomolecular Spectroscopy上。
近年來，隨著光譜技術(shù)的發(fā)展，光譜數(shù)據(jù)呈現(xiàn)數(shù)量高、維度高、復雜度高等特點。光譜數(shù)據(jù)中包含大量的噪聲和干擾變量，且當樣本數(shù)量遠小于變量數(shù)量時，尋找最優(yōu)變量子集將成為NP-hard問題，對光譜數(shù)據(jù)挖掘和光譜定量分析提出挑戰(zhàn)。提取關(guān)鍵變量信息、減少數(shù)據(jù)維度，不僅可以提高光譜定量分析能力，而且可以選取特征光譜，降低儀器研發(fā)成本，提高經(jīng)濟效益。
該研究改進傳統(tǒng)粒子群算法（PSO），提出變維度的粒子群算法（VDPSO），結(jié)合組合移動窗口策略，實現(xiàn)光譜數(shù)據(jù)變量的快速選擇。該算法可在不同維度搜索數(shù)據(jù)空間，降低限入局部極值和過擬合的風險。通過與四種高性能變量選擇算法BOSS、VCPA、iVISSA和IRF比較，發(fā)現(xiàn)該算法可選擇出最優(yōu)的光譜信息，提升模型的預測能力，有望進一步應(yīng)用于基因組學、蛋白質(zhì)組學、代謝組學和定量構(gòu)效關(guān)系（QSAR）等學科數(shù)據(jù)分析中。
研究工作得到安徽省重點研究開發(fā)計劃、中科院戰(zhàn)略性先導科技專項和國家自然科學基金等的支持。
不同算法選擇的變量區(qū)間
-
技術(shù)原理
-
綜述
-
焦點事件
