基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究

为实现山楂叶产地的快速判别,提出一种基于稀疏主成分分析特征选择(SPCAFS)与支持向量机(SVM)建模的定性分析方法.采用近红外积分球漫反射光谱法采集6个产地共41批山楂叶123份样品的近红外光谱图,经数据预处理后,通过SPCAFS对代表性特征波段进行选择,并采用SVM建立山楂叶近红外产地判别模型.模型与连续投影(SPA),正则化自表示(RSR)和稀疏子空间聚类(SSC)3种特征选择算法进行对比,以准确率、精确度和灵敏度作为评价标准,评估所提模型的预测性能.结果显示,SPCAFS的特征波段数相比于全波长建模从1500减少到21,预测结果的准确率和精确度分别从78％、76％提升至97％、100％.同时,相比于SPA、RSR、SSC算法,准确率分别提升了6％、3％、3％,精确度分别提升了13％、10％、5％,模型的预测能力得到显著提升,基于SPCAFS的SVM判别模型可实现山楂叶南北产地的快速判别.