基于改进免疫遗传算法的近红外光谱变量选择方法
该文在免疫遗传算法(IGA)的基础上,提出一种改进免疫遗传算法(iIGA)用于近红外光谱波长变量的选择.该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优.将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘(PLS)分析模型,并与IGA、遗传算法(GA)以及全谱方法进行了对比.结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差(RMSEP)从0.3120降至0.2980,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.1244降至0.1103,预测集预测精度提升11.3%.分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5×10-23和4.5×10-24,P值均小于0.05,因此,iIGA能显著提升模型预测精度.
近红外光谱;波长选择;改进的免疫遗传算法;分析模型;预测精度
40
O657.3(分析化学)
国家自然科学基金资助项目61833007
2021-10-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
1482-1488