專利名稱：基于模擬退火算法的近紅外光譜特征波長(zhǎng)的選擇方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種近紅外光譜特征波長(zhǎng)的選擇方法，特指用于農(nóng)產(chǎn)品或食品檢測(cè)的基于模擬退火算法的近紅外光譜特征波長(zhǎng)的選擇方法。
背景技術(shù)：
近紅外光譜技術(shù)是一種高速、精確和綠色的光譜分析技術(shù)，被廣泛運(yùn)用于農(nóng)產(chǎn)品 品質(zhì)檢測(cè)、食品分析等方面。近紅外光譜技術(shù)的基本原理是近紅外光譜中包含分子中單個(gè) 化學(xué)鍵基頻震動(dòng)的倍頻和合頻信息，主要是含氫基團(tuán)X-H(H為C、N、0)的倍頻和合頻震動(dòng)的 疊加。將光譜與樣品質(zhì)量參數(shù)進(jìn)行關(guān)聯(lián)，確定兩者的定量或定性關(guān)系即校正模型，通過將未 知樣品近紅外光譜和校正模型可預(yù)測(cè)樣品的定量或定性信息。近紅外光譜技術(shù)擁有眾多優(yōu) 點(diǎn)，但其不足之處是近紅外光譜技術(shù)是一種間接的分析技術(shù)，光譜中包含了大量的信息， 但信息強(qiáng)度低且譜峰重疊，如何高效的從全光譜中選擇同樣品高度相關(guān)的特征波長(zhǎng)，是得 到最優(yōu)近紅外光譜模型的關(guān)鍵，為了克服上述不足，需對(duì)近紅外光譜的特征波長(zhǎng)進(jìn)行選擇。申請(qǐng)?zhí)枮?00510038528. 9，名稱為“基于間隔偏最小二乘法的農(nóng)產(chǎn)品、食品近紅外 光譜譜區(qū)選擇方法”的專利申請(qǐng)公開一種基于間隔偏最小二乘法的農(nóng)產(chǎn)品、食品近紅外光 譜區(qū)間選擇方法，該方法按照建模者的經(jīng)驗(yàn)，將全光譜劃分為若干個(gè)子區(qū)間，分別用每個(gè)子 區(qū)間內(nèi)包含的所有波數(shù)點(diǎn)集合建立偏最小二乘模型，如此每個(gè)子區(qū)間對(duì)以一個(gè)偏最小二乘 模型，選擇建模效果最好的區(qū)間作為特征子區(qū)間，并以該區(qū)間對(duì)應(yīng)的偏最小二乘模型作為 近紅外光譜的間隔偏最小二乘模型。該方法能夠運(yùn)用于實(shí)際運(yùn)用，但是該方法的不足之處 是；區(qū)間的劃分是依照個(gè)人經(jīng)驗(yàn)進(jìn)行的，缺乏科學(xué)依據(jù)；假設(shè)了特征波長(zhǎng)都集中在所劃分 的某個(gè)子區(qū)間內(nèi)，且子區(qū)間內(nèi)所有的波數(shù)點(diǎn)都是特征波數(shù)點(diǎn)，即沒有對(duì)子區(qū)間內(nèi)的波數(shù)點(diǎn) 進(jìn)行取舍，而實(shí)際建模過程中難以滿足如上假設(shè)。在近紅外波長(zhǎng)選擇過程中，往往是特征波 長(zhǎng)的個(gè)數(shù)及分布位置不確定，建模中要確定特征波長(zhǎng)的個(gè)數(shù)和分布位置，可以采用組合排 列的知識(shí)來解決，如全光譜共有10個(gè)波數(shù)點(diǎn)為例，設(shè)共有1個(gè)特征波長(zhǎng)，則有Cltl1種解；設(shè) 共有2個(gè)特征波長(zhǎng)，則有Cltl2種解，設(shè)共有3個(gè)特征波長(zhǎng)，則有Cltl3種解，依次類推，可以得到 許多解，最后選擇一個(gè)效果最好的解作為特征波長(zhǎng)。利用排列組合來求解，雖然可以克服間 隔偏最小二乘法選擇波長(zhǎng)子區(qū)間的不足，但是這個(gè)求解方式計(jì)算量很巨大，計(jì)算量隨著全 光譜波數(shù)點(diǎn)數(shù)增加呈指數(shù)級(jí)增長(zhǎng)，無法應(yīng)用于實(shí)際建模過程。模擬退火算法是基于Mote Carlo迭代求解策略的一種隨機(jī)尋優(yōu)算法，其出發(fā)點(diǎn)是 基于物理退火過程與組合優(yōu)化之間的相似性。模擬退火算法由一較高初溫開始，利用具有 概率突跳性的Metropolis抽樣策略在待選解組合中進(jìn)行隨機(jī)搜索，伴隨溫度不斷下降重 復(fù)抽樣過程，最終得到問題的全局最優(yōu)解，適用解決大規(guī)模組合優(yōu)化問題。

發(fā)明內(nèi)容
本發(fā)明的目的是為克服上述現(xiàn)有技術(shù)的不足，提出了一種基于模擬退火算法優(yōu)選 近紅外光譜特征波長(zhǎng)的方法，延續(xù)排列組合的特征波數(shù)點(diǎn)求解并降低計(jì)算量。
本發(fā)明采用的技術(shù)方案是包含如下步驟先對(duì)近紅外光譜進(jìn)行預(yù)處理，包括對(duì)校 正集和預(yù)測(cè)集樣本的劃分；從預(yù)處理后的近紅外光譜的全光譜中挑選最少波數(shù)點(diǎn)數(shù)，重復(fù) 隨機(jī)選擇k個(gè)波數(shù)點(diǎn)；用被選中的k個(gè)不相同的波數(shù)點(diǎn)建立校正集和預(yù)測(cè)集的初始PLS模 型，計(jì)算對(duì)應(yīng)初始PLS模型的交互驗(yàn)證均方根誤差值RMSECV，用于模擬退火算法中目標(biāo)函 數(shù)值的計(jì)算過程；然后采用模擬退火算法從全光譜中選擇同校正集化學(xué)值高度相關(guān)的最優(yōu) k個(gè)波數(shù)點(diǎn)，使窗口寬度動(dòng)態(tài)遞增以確保模擬退火保算法得到全局最優(yōu)解；最后重復(fù)上述 步驟，在模擬退火算法結(jié)束時(shí)比較各個(gè)窗口寬度下波數(shù)點(diǎn)集合對(duì)應(yīng)的建模效果，得出最佳 窗口寬度和最佳波數(shù)點(diǎn)組合，建立校正集和預(yù)測(cè)集的最終PLS模型。本發(fā)明采用上述技術(shù)方案的有益效果是通過窗口寬度動(dòng)態(tài)遞增，消除人工指定窗口 寬度帶來的主觀因素影響，使得窗口寬度的選擇具有科學(xué)依據(jù)；采用Metropolis準(zhǔn)則判斷入選 波數(shù)點(diǎn)的重要性，既保證了算法快速收斂，同時(shí)又避免了模擬退火算法陷入局部最優(yōu)解而錯(cuò)過 全局最優(yōu)解?；谀M退火算法優(yōu)選波長(zhǎng)點(diǎn)建立的光譜模型，具有更高的可靠性和精度。
以下結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

圖1是本發(fā)明方法的流程圖；圖2是新解轉(zhuǎn)移概率曲線圖；圖3是Metropolis接受準(zhǔn)則示意圖。
具體實(shí)施例方式本發(fā)明先對(duì)近紅外光譜進(jìn)行預(yù)處理，常用的光譜預(yù)處理方法有SNV (標(biāo)準(zhǔn)正交變 換)、MSC(多元散射校正)、小波變換等，光譜預(yù)處理過程還包括對(duì)校正集和預(yù)測(cè)集樣本的 劃分。預(yù)處理后的近紅外光譜是指用適當(dāng)?shù)南敕椒ㄌ幚磙r(nóng)產(chǎn)品、食品原始近紅光譜后得 到的光譜，可消除數(shù)據(jù)采集過程中儀器信號(hào)漂移，環(huán)境條件波動(dòng)引起的噪聲。消噪方法包括 標(biāo)準(zhǔn)正交變化、多元散射校正、中心化、一階/ 二階導(dǎo)數(shù)預(yù)處理方法等。對(duì)預(yù)處理后的近紅外光譜，在算法開始運(yùn)行時(shí)，從全光譜中挑選最少波數(shù)點(diǎn)數(shù)，指 定模擬退火算法的起始點(diǎn)，此時(shí)的窗口寬度為初始窗口寬度k。當(dāng)初始窗口寬度為k。時(shí)， 隨機(jī)從全光譜中選擇k個(gè)波數(shù)點(diǎn)，被選中的k個(gè)波數(shù)點(diǎn)中，兩兩不能相同，即不重復(fù)隨機(jī)選 擇k個(gè)波數(shù)點(diǎn)。用被選中的k個(gè)波數(shù)點(diǎn)，建立校正集和預(yù)測(cè)集的初始PLS (偏最小二乘法) 模型，計(jì)算對(duì)應(yīng)初始PLS模型的交互驗(yàn)證均方根誤差值RMSECV、預(yù)測(cè)集均方根誤差、校正集 相關(guān)系數(shù)、預(yù)測(cè)集相關(guān)系數(shù)等建模參數(shù)，得到的交互驗(yàn)證均方根誤差值RMSECV用于模擬退 火算法中目標(biāo)函數(shù)值的計(jì)算過程。采用模擬退火算法選擇出最優(yōu)k個(gè)波數(shù)點(diǎn)后，窗口寬度 動(dòng)態(tài)遞增以確保算法可以得到全局最優(yōu)解，然后重復(fù)上述過程并在算法結(jié)束時(shí)比較各個(gè)窗 口寬度下波數(shù)點(diǎn)集合對(duì)應(yīng)的建模效果，得出最佳窗口寬度和最佳波數(shù)點(diǎn)組合，建立校正集 和預(yù)測(cè)集的最終PLS模型。上述采用模擬退火算法選取最優(yōu)k個(gè)波數(shù)點(diǎn)，是模擬固體退火現(xiàn)象中固體隨著自 身溫度下降而逐漸達(dá)到穩(wěn)定狀態(tài)的原理，從全光譜中選擇同校正集化學(xué)值高度相關(guān)的k個(gè) 波數(shù)點(diǎn)，在采用模擬退火算法選擇最優(yōu)k個(gè)波數(shù)點(diǎn)前先需確定如下參數(shù)(1)目標(biāo)函數(shù)f(x)目標(biāo)函數(shù)的作用是判斷當(dāng)前解χ的質(zhì)量，一般情況下f(x)值越高，代表當(dāng)前解X質(zhì)量越好。模擬退火算法的目標(biāo)是優(yōu)選特征波數(shù)點(diǎn)集合，當(dāng)前被選入的 波數(shù)點(diǎn)集合被看成是當(dāng)前解X，目標(biāo)函數(shù)f(X)定義為1/(1+RMSECV)，其中RMSECV為入選波 數(shù)點(diǎn)PLS校正模型對(duì)應(yīng)的交互驗(yàn)證均方根誤差。(2)起始溫度、對(duì)應(yīng)于固體退火過程中的初始溫度，通常設(shè)置初始溫度為200 1000 度。(3)溫度衰減函數(shù)g(a)用于控制固體退火過程中的溫度冷卻速率，通常設(shè)tk+1 =tkg(a) = a tk, α取值范圍通常為0. 5 0. 99。(4)結(jié)束溫度tf 當(dāng)退火溫度達(dá)到結(jié)束溫度時(shí)，固體將達(dá)到某一穩(wěn)定狀態(tài)，固體退 火過程結(jié)束，一般設(shè)置退火溫度tf為0度左右。(5)馬爾可夫鏈長(zhǎng)度Lk 指當(dāng)溫度為t時(shí)，算法搜索迭代的次數(shù)。(6)Metropolis (人名)接受新解準(zhǔn)則Metropolis準(zhǔn)則根據(jù)舊解、新解對(duì)應(yīng)的目 標(biāo)函數(shù)，判斷舊解、新解中哪個(gè)解是重要解，如果新解被認(rèn)為是重要解，則用新解取代舊解 進(jìn)入下一次迭代；反之則維持舊解不變。針對(duì)優(yōu)選特征波長(zhǎng)問題，假設(shè)第m次迭代過程中選 ATk個(gè)波數(shù)點(diǎn)，記為舊解X，在第m+1次迭代過程中，在舊解χ的基礎(chǔ)上替換少數(shù)波數(shù)點(diǎn)得 到新解y ；舊解X、新解y對(duì)應(yīng)的目標(biāo)函數(shù)值分別為f (X)和f (y)，那么基于如下Metropolis 準(zhǔn)則判斷舊解χ、新解y的重要性當(dāng)f(y) > f(x)時(shí)，新解y為重要解，否則判斷下式
Pt
是否成立，其中Pt是新解轉(zhuǎn)移概率，r由范圍為0 1的均
勻概率密度函數(shù)隨機(jī)產(chǎn)生；如果上式成立，則認(rèn)為新解1是重要解，否則認(rèn)為舊解X是重要解。(7)初始窗口寬度k。表示算法從全光譜中選擇的最少特征波數(shù)點(diǎn)個(gè)數(shù)。(8)結(jié)束窗口寬度kf 表示算法從全光譜中選擇的最多特征波數(shù)點(diǎn)個(gè)數(shù)。(9)窗口寬度遞增步長(zhǎng)kd:表示窗口動(dòng)態(tài)遞增過程中每次窗口增長(zhǎng)的寬度。(10)波數(shù)點(diǎn)交換個(gè)數(shù)Cn 表示由舊解產(chǎn)生新解過程中，兩者之間變動(dòng)的波數(shù)點(diǎn)個(gè) 數(shù)。采用模擬退火算法選擇最優(yōu)k個(gè)波數(shù)點(diǎn)具體步驟如下(1)溫度為t = t。時(shí)，從全光譜中隨機(jī)選擇k (初始窗口寬度)個(gè)波數(shù)點(diǎn)作為舊解
X ；(2)在舊解χ和未選中的剩余波數(shù)點(diǎn)中隨機(jī)選擇Cn個(gè)波數(shù)點(diǎn)，交換后產(chǎn)生新解y ；(3)計(jì)算新解y、舊解χ的目標(biāo)函數(shù)值f(y)、f(x)；(4)根據(jù)(3)的計(jì)算結(jié)果，采用Metropolis接受新解準(zhǔn)則判斷新解y、舊解χ的重 要性；(5)判斷迭代次數(shù)是否等于馬爾可夫鏈長(zhǎng)度Lk，如果不等于則重復(fù)步驟(2) (5)；如果等于，則執(zhí)行下步驟(6)；(6)根據(jù)溫度衰減函數(shù)降低冷卻溫度t ；(7)判斷是否達(dá)到結(jié)束溫度tf，沒有達(dá)到結(jié)束則重復(fù)執(zhí)行(2) (7)，否則執(zhí)行步 驟⑶；(8)以窗口寬度步長(zhǎng)kd遞增窗口寬度，重復(fù)執(zhí)行⑵ (8)，直至達(dá)到結(jié)束窗口寬 度kf進(jìn)入步驟(9)；
(9)返回最佳窗口寬度和特征波數(shù)點(diǎn)組合。 如圖1所示，本發(fā)明的具體步驟如下( 1)當(dāng)窗口寬度k = ko時(shí)，隨機(jī)從全光譜中挑選出k個(gè)不相同的波數(shù)點(diǎn)，作為初始 解X，，該解是算法在全局范圍內(nèi)搜索最優(yōu)解的出發(fā)點(diǎn)。(2)確定初始解χ后，退火溫度t從起始溫度t0開始，根據(jù)溫度衰減函數(shù)g ( α )徐 徐降低，每當(dāng)溫度t降低時(shí)，程序執(zhí)行Lk次馬爾可夫鏈尋找當(dāng)前溫度對(duì)應(yīng)的優(yōu)化解。(3)搜尋優(yōu)化解的詳細(xì)過程如下在舊解χ包含的波數(shù)點(diǎn)和沒有選入χ的剩余波 數(shù)點(diǎn)中分別選擇Cn個(gè)波數(shù)點(diǎn)進(jìn)行交換，把交換波數(shù)點(diǎn)后得到的解稱為新解y。根據(jù)目標(biāo)函 數(shù)分別計(jì)算舊解X、新解y對(duì)應(yīng)的目標(biāo)函數(shù)值f(x)、f(y)，將計(jì)算所得的f(x)、f(y)代入 Metropolis準(zhǔn)則中判斷x、y的重要性，如果y為重要解，則用新解y代替舊解χ執(zhí)行下一 次馬爾科夫鏈；如果y不是重要解，則保持舊解χ不變并執(zhí)行下一次馬爾科夫鏈。(4)反復(fù)執(zhí)行上述過程至退火溫度達(dá)到結(jié)束溫度時(shí)，保存當(dāng)前窗口寬度k = k0時(shí) 對(duì)應(yīng)的最優(yōu)解，并按k = k+kd的方式遞增，按照相同步驟計(jì)算新窗口寬度對(duì)應(yīng)的最優(yōu)解，重 復(fù)上述過程直到窗口寬度k大于結(jié)束窗口寬度kf。此時(shí)已經(jīng)得到了不同窗口寬度ke [k0， kf]對(duì)應(yīng)的優(yōu)化解.(5)從上述優(yōu)化解中選擇目標(biāo)函數(shù)值最大的解記為xk，xk為近紅外光譜的全局最 優(yōu)特征波數(shù)點(diǎn)集合，下標(biāo)k為取得最優(yōu)解時(shí)對(duì)應(yīng)的最優(yōu)窗口寬度。(6)根據(jù)選出的全局最優(yōu)解建立校正集與預(yù)測(cè)集的最終PLS模型。圖2顯示了新解轉(zhuǎn)移概率曲線圖，新解轉(zhuǎn)移概率由根據(jù)函數(shù)&■計(jì)
算，Pt受到兩方面因素影響，分別是新解y、舊解χ目標(biāo)函數(shù)差和退火溫度t。下面結(jié)合圖2 中的曲線詳細(xì)說明這兩個(gè)參數(shù)是如何影響Pt。圖2中橫坐標(biāo)代表新解y、舊解χ目標(biāo)函數(shù) 差，縱坐標(biāo)代表新解轉(zhuǎn)移概率Pt ；圖2中y = e°_lx對(duì)應(yīng)的曲線表示退火溫度t = 10，用于討 論退火溫度較低時(shí)的情況，y = e°_°5x對(duì)應(yīng)的曲線表示退火溫度t = 20，用于討論退火溫度 較高時(shí)的情況。先討論橫坐標(biāo)為正的情況，即f(y)_f(x) >0(新解y優(yōu)于舊解X)，此時(shí)pt >1，必然有？〖>1~￡
成立，新解被接受，與實(shí)際情況符合。當(dāng)橫坐標(biāo)為負(fù)的情況時(shí)， 即f(y)-f(x) <0(新解7不優(yōu)于舊解。，不妨假設(shè)1’ =f(y)-f(x) <0對(duì)應(yīng)圖中垂直于 X軸的虛線，由圖中虛線可以看出，t = 20時(shí)對(duì)應(yīng)的pt要高于t = 10時(shí)對(duì)應(yīng)的pt，在溫度 高時(shí)，惡化解(新解y)被接受的概率要高于退火溫度低時(shí)。由此可以得出如下結(jié)論，在采 用模擬退火算法優(yōu)選特征波長(zhǎng)的前期，退火溫度較高，惡化解被接受的概率較高，能有效的 防止算法陷入局部最優(yōu)解；在采用模擬退火算法優(yōu)選特征波長(zhǎng)的后期，退火溫度較低，惡化 解被接受的概率較小，有利用算法的平穩(wěn)收斂。圖3顯示了 Metropolis準(zhǔn)則判斷新解舊解重要性的過程。將新解轉(zhuǎn)移概率pt和 隨機(jī)概率密度函數(shù)r e
進(jìn)行比較，如果pt > r成立則表示新解被接受，否則維持舊 解不變。具體判斷過程如下dDMetropolis準(zhǔn)則首先計(jì)算舊解χ新解y對(duì)應(yīng)的目標(biāo)函數(shù) 值f (x)f (y) ； (2)生產(chǎn)隨機(jī)概率密度函數(shù)值r ； (3)計(jì)算新解轉(zhuǎn)移概率；(4)比較新解轉(zhuǎn)移概 率Pt和隨機(jī)概率函數(shù)值r的大小，若pt大于或者等于r，則用新解代替舊解，否則，舊解保 持不變。根據(jù)此準(zhǔn)則可以得出如下Metropolis準(zhǔn)則不但可以接受優(yōu)化解，而且能夠以一 定的概率接受惡化解，為避免算法陷入局部最優(yōu)解提供了保障。
權(quán)利要求
一種基于模擬退火算法的近紅外光譜特征波長(zhǎng)的選擇方法，其特征是包括如下步驟1)對(duì)近紅外光譜進(jìn)行預(yù)處理，包括對(duì)校正集和預(yù)測(cè)集樣本的劃分；2)從預(yù)處理后的近紅外光譜的全光譜中挑選最少波數(shù)點(diǎn)數(shù)，重復(fù)隨機(jī)選擇k個(gè)波數(shù)點(diǎn)；3)用被選中的k個(gè)不相同的波數(shù)點(diǎn)建立校正集和預(yù)測(cè)集的初始PLS模型，計(jì)算對(duì)應(yīng)的初始PLS模型的交互驗(yàn)證均方根誤差值RMSECV，模擬退火算法中目標(biāo)函數(shù)值的計(jì)算過程；4)采用模擬退火算法從全光譜中選擇同校正集化學(xué)值高度相關(guān)的最優(yōu)k個(gè)波數(shù)點(diǎn)，使窗口寬度動(dòng)態(tài)遞增以確保模擬退火保算法得到全局最優(yōu)解；5)重復(fù)步驟4)，在模擬退火算法結(jié)束時(shí)比較各個(gè)窗口寬度下波數(shù)點(diǎn)集合對(duì)應(yīng)的建模效果，得出最佳窗口寬度和最佳波數(shù)點(diǎn)組合，建立校正集和預(yù)測(cè)集的最終PLS模型。
2.根據(jù)權(quán)利要求1所述的基于模擬退火算法的近紅外光譜特征波長(zhǎng)的選擇方法，其特 征是步驟3)中采用模擬退火算法選擇最優(yōu)k個(gè)波數(shù)點(diǎn)前先需確定如下參數(shù)目標(biāo)函數(shù)f (χ)為優(yōu)選特征波數(shù)點(diǎn)集合，當(dāng)前被選入的波數(shù)點(diǎn)集合被看成是當(dāng)前解X， 目標(biāo)函數(shù)f (χ)定義為1/(1+RMSECV)；起始溫度、對(duì)應(yīng)于固體退火過程中的初始溫度，為200 1000度； 溫度衰減函數(shù)g(a)用于控制固體退火過程中的溫度冷卻速率，設(shè)tk+1 = tkg(a)= α tk，α取值范圍通常為0. 5 0. 99 ； 結(jié)束溫度tf 為0度左右；馬爾可夫鏈長(zhǎng)度Lk 當(dāng)溫度為t時(shí)，算法搜索迭代的次數(shù)；Metropolis接受新解準(zhǔn)則根據(jù)舊解χ、新解y對(duì)應(yīng)的目標(biāo)函數(shù)f (x)、f (y)判斷舊解、 新解中哪個(gè)解是重要解，如果新解被認(rèn)為是重要解，則用新解取代舊解進(jìn)入下一次迭代，反 之則維持舊解不變；初始窗口寬度k。模擬退火算法從全光譜中選擇的最少特征波數(shù)點(diǎn)個(gè)數(shù)； 結(jié)束窗口寬度kf 從全光譜中選擇的最多特征波數(shù)點(diǎn)個(gè)數(shù)； 窗口寬度遞增步長(zhǎng)kd 窗口動(dòng)態(tài)遞增過程中每次窗口增長(zhǎng)的寬度； 波數(shù)點(diǎn)交換個(gè)數(shù)cn 由舊解χ產(chǎn)生新解y過程中兩者之間變動(dòng)的波數(shù)點(diǎn)個(gè)數(shù)。
3.根據(jù)權(quán)利要求2所述的基于模擬退火算法的近紅外光譜特征波長(zhǎng)的選擇方法，其特 征是采用模擬退火算法選擇最優(yōu)k個(gè)波數(shù)點(diǎn)具體步驟如下(1)溫度為t= t。時(shí)，從全光譜中隨機(jī)選擇k個(gè)波數(shù)點(diǎn)作為舊解χ ；(2)在舊解χ和未選中的剩余波數(shù)點(diǎn)中隨機(jī)選擇Cn個(gè)波數(shù)點(diǎn)，交換后產(chǎn)生新解y；(3)計(jì)算新解y、舊解χ的目標(biāo)函數(shù)值f(y)、f(x)；(4)根據(jù)步驟(3)的計(jì)算結(jié)果采用Metropolis接受新解準(zhǔn)則判斷新解y、舊解χ的重 要性；(5)判斷迭代次數(shù)是否等于馬爾可夫鏈長(zhǎng)度Lk，如果不等于則重復(fù)步驟(2) (5)；如 果等于，則執(zhí)行下步驟(6)；(6)根據(jù)溫度衰減函數(shù)降低冷卻溫度t；(7)判斷是否達(dá)到結(jié)束溫度tf，沒有達(dá)到結(jié)束則重復(fù)執(zhí)行⑵ (7)，否則執(zhí)行步驟(8)；(8)以窗口寬度步長(zhǎng)kd遞增窗口寬度，重復(fù)執(zhí)行(2) (8)，直至達(dá)到結(jié)束窗口寬度kf，進(jìn)入步驟(9)；(9)返回最佳窗口寬度和特征波數(shù)點(diǎn)組合。
全文摘要
本發(fā)明公開一種基于模擬退火算法的近紅外光譜特征波長(zhǎng)的選擇方法，挑選最少波數(shù)點(diǎn)數(shù)，重復(fù)隨機(jī)選擇k個(gè)波數(shù)點(diǎn)；建立校正集和預(yù)測(cè)集的初始PLS模型，計(jì)算對(duì)應(yīng)初始PLS模型的交互驗(yàn)證均方根誤差值；用模擬退火算法從全光譜中選擇同校正集化學(xué)值高度相關(guān)的最優(yōu)k個(gè)波數(shù)點(diǎn)，使窗口寬度動(dòng)態(tài)遞增以確保模擬退火保算法得到全局最優(yōu)解；結(jié)束時(shí)比較各個(gè)窗口寬度下波數(shù)點(diǎn)集合對(duì)應(yīng)的建模效果，得出最佳窗口寬度和最佳波數(shù)點(diǎn)組合，建立最終PLS模型。本發(fā)明通過窗口寬度動(dòng)態(tài)遞增，消除人工指定窗口寬度帶來的主觀因素影響，采用Metropolis準(zhǔn)則判斷入選波數(shù)點(diǎn)的重要性，既保證算法快速收斂，又避免了模擬退火算法陷入局部最優(yōu)解而錯(cuò)過全局最優(yōu)解，具有更高的可靠性和精度。
文檔編號(hào)G06F19/00GK101806728SQ20101012393
公開日2010年8月18日 申請(qǐng)日期2010年3月12日 優(yōu)先權(quán)日2010年3月12日
發(fā)明者殷曉平, 石吉勇, 蔡建榮, 趙杰文, 鄒小波, 陳全勝, 陳正偉, 黃星奕 申請(qǐng)人:江蘇大學(xué)