光谱特征选择：稳定竞争自适应重加权采样

基于竞争自适应重加权抽样（CARS）的变量选择方法，即稳定性竞争自适应重加权抽样（SCARS）。在SCARS中，变量由一个稳定性指数选择，该指数定义为回归系数的绝对值除以其标准差。SCARS算法由许多循环组成。在每个循环中，计算每个变量的稳定性。然后基于稳定性、强制波长选择和自适应重加权采样（ARS）对重要变量进行选择。所选择的变量作为一个变量子集保存，并在下一个循环中进一步使用。运行循环后，得到多个变量的子集，计算用变量子集建立的PLS模型的交叉验证均方根误差（RMSECV）。将RMSECV最小的变量子集看作是最优变量子集。通过烟草、玉米和葡萄糖三个近红外（NIR）数据集，评估了该算法的性能。结果表明，疤痕可以选择最小的变量，并提供最小的RMSECV和潜在变量数