|
|||||
|
|
| 奇异数据筛选法在玉米籽粒蛋白质近红外光谱检测中的应用 | |
| 引用本文： | 梁秀英,李小昱,杨万能. 奇异数据筛选法在玉米籽粒蛋白质近红外光谱检测中的应用[J]. 激光生物学报, 2015, 0(1) |
| 作者姓名： | 梁秀英 李小昱 杨万能 |
| 作者单位： | 1. 华中农业大学工学院，湖北 武汉430070; 华中农业大学农业生物信息湖北省重点实验室，湖北 武汉430070 2. 华中农业大学工学院,湖北 武汉,430070 3. 华中农业大学工学院，湖北 武汉430070; 华中农业大学作物遗传改良国家重点实验室，湖北 武汉430070; 华中农业大学农业生物信息湖北省重点实验室，湖北 武汉430070 |
| 基金项目： | 国家高技术研究发展计划(863计划，2013AA102403)；华中农业大学博士启动基金(项目编号2662014BQ038)；Fundamental Research Funds for the Central Universities |
| 摘 要： | 相对于传统生化测定方法,基于近红外光谱(Near infrared spectroscopy,NIRS)玉米籽粒蛋白质含量检测是一种快速、非破坏、且适用于多组分同时检测的新方法。但在建模过程中,由于奇异数据(异常值)的存在会影响近红外光谱模型的预测精度和稳定性,我们采用奇异数据筛选法剔除了玉米籽粒近红外光谱中的奇异数据并建立了玉米籽粒蛋白质含量的偏最小二乘支持向量机(Least squares support vector machine,LS-SVM)模型。本文分别采用杠杆值法(Leverage)、半数重采样法(Resampling by Half-Mean,RHM)和蒙特卡洛采样法(Monte-Carlo Sampling,MCS)剔除了玉米籽粒蛋白质光谱数据中的奇异数据并对模型结果进行比较。在剔除奇异数据的基础上,采用偏最小二乘回归法(Partial least squares regression,PLSR)提取主成分,并基于小生境蚁群算法(Niche ant colony algorithm,NACA)优化偏最小二乘支持向量机(LS-SVM)模型参数(γ和σ2),建立基于LS-SVM的玉米籽粒蛋白质定量分析模型。结果表明,采用3种奇异数据筛选法剔除奇异数据后所建LS-SVM模型的预测结果都优于采用原光谱数据所建模型,相比较而言,蒙特卡洛采样法为基于近红外光谱检测玉米籽粒蛋白质的最佳奇异数据筛选法。 |
| 关 键 词： | 玉米籽粒蛋白质 奇异数据筛选法 偏最小二乘支持向量机 (LS-SVM) 小生境蚁群算法 (NACA) |
Outlier Detection for Measurement of Protein Content in Maize Kernels Based on Near-infrared Reflectance Spectroscopy |
|
| LIANG Xiuying,LI Xiaoyu,YANG Wanneng. Outlier Detection for Measurement of Protein Content in Maize Kernels Based on Near-infrared Reflectance Spectroscopy[J]. ACTA Laser Biology Sinica, 2015, 0(1) | |
| Authors: | LIANG Xiuying LI Xiaoyu YANG Wanneng |
| Abstract: | |
| Keywords: | protein content in maize kernel outlier screening methods the least squares support vector machine (LS-SVM) niche ant colony algorithm (NACA) |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |