一种基于蒙特卡罗方法的近红外波长选择算法

针对近红外光谱数据的特点，分析了基于偏最小二乘法(PLS)回归系数的波长选择方法，指出了其存在的问题，提出了一种新的波长选择算法。将PLS回归系数归一化为对应波长被选择的概率，并进行蒙特卡罗(Monte-Carlo)计算，即对不同的随机波长组合建立一系列PLS模型，预测误差最小的模型所对应的波长组合将被选择。这个过程可以在前一次波长选择的基础上重复进行，从而形成迭代算法。采用三个近红外数据集对提出的算法进行了验证，同时与基于PLS的无信息波长剔除法(UVE-PLS)和遗传算法(GA)进行了比较分析。实验结果表明，该方法能有效地提高波长选择的准确性和稳定性，在选择的波长点个数、模型的复杂度与预测误差方面，达到甚至优于现有算法，具有实用价值。