增量NIR半監(jiān)督SVR的集成學(xué)習(xí)算法研究.pdf

1、在農(nóng)業(yè)、食品、制藥、醫(yī)學(xué)、石油化工等多個(gè)領(lǐng)域得到廣泛應(yīng)用的近紅外光譜(NearInfrared，NIR)信號(hào)代表著物質(zhì)的成分和濃度，并且適用于現(xiàn)場(chǎng)的快速檢測(cè)，檢測(cè)結(jié)果可以用于實(shí)時(shí)在線(xiàn)分析和檢測(cè)物質(zhì)的理化指標(biāo)，物質(zhì)的光譜信號(hào)數(shù)據(jù)與其理化指標(biāo)之間存在某種函數(shù)關(guān)系。目前應(yīng)用NIR數(shù)據(jù)的模型主要有主成分回歸、偏最小二乘回歸等。本文針對(duì)實(shí)時(shí)在線(xiàn)分析檢測(cè)物質(zhì)的近紅外光譜具有高維度、有標(biāo)簽的數(shù)據(jù)少、無(wú)標(biāo)簽的數(shù)據(jù)多等特點(diǎn)，在已有增量支持向量回歸算法的基

2、礎(chǔ)上，提出了一個(gè)增量半監(jiān)督支持向量回歸的集成算法（IS3VRE）。
　　傳統(tǒng)的監(jiān)督學(xué)習(xí)應(yīng)用于近紅外光譜數(shù)據(jù)，往往只是分析其中有標(biāo)簽的光譜數(shù)據(jù)，無(wú)法對(duì)無(wú)標(biāo)簽的數(shù)據(jù)進(jìn)行分析，造成光譜數(shù)據(jù)的浪費(fèi)，泛化能力低。而對(duì)NIR光譜數(shù)據(jù)中的無(wú)標(biāo)簽數(shù)據(jù)進(jìn)行標(biāo)記時(shí)費(fèi)時(shí)費(fèi)力，所以研究用半監(jiān)督的方法來(lái)分析近紅外光譜數(shù)據(jù)非常有現(xiàn)實(shí)價(jià)值。支持向量回歸機(jī)建模將低維非線(xiàn)性的輸入映射到高維空間，實(shí)現(xiàn)線(xiàn)性輸出，模型簡(jiǎn)單，具有良好的應(yīng)用前景。所以針對(duì)近紅外光譜數(shù)據(jù)中無(wú)

3、標(biāo)簽的數(shù)據(jù)少，有標(biāo)簽的數(shù)據(jù)多的特點(diǎn)，本文采用增量半監(jiān)督支持向量回歸機(jī)的集成算法進(jìn)行研究。
　　本文以支持向量回歸機(jī)作為學(xué)習(xí)器，研究了增量半監(jiān)督支持向量回歸的集成算法。首先，建立增量半監(jiān)督支持向量回歸模型，利用最近鄰算法選擇置信度高的數(shù)據(jù)進(jìn)行協(xié)同標(biāo)記，并根據(jù)標(biāo)記的數(shù)據(jù)是否可能成為潛在支持向量來(lái)選擇是否更新支持向量回歸模型的方法。其次，建立增量半監(jiān)督支持向量回歸的集成模型，建立n個(gè)支持向量回歸模型，用十倍交叉驗(yàn)證誤差來(lái)對(duì)每個(gè)模型進(jìn)行權(quán)