仪器信息网APP
选仪器、听讲座、看资讯

interval variable iterative space shrinkage approach (iVISSA)

近红外光谱(NIR)

  • 它结合全局和局部搜索,以迭代地和智能地优化频谱间隔的位置,宽度和组合。在全局搜索过程,它继承VISSA软收缩,以搜寻信息的波长的位置和组合的优点,而局部搜索过程中,它利用在光谱数据的连续性的信息,以确定波长的间隔的宽度。全局和本地搜索程序进行交替,实现波长间隔的选择。
    使用三个近红外(NIR)的数据集这种方法进行了测试。一些高性能的波长选择方法,如协同区间偏最小二乘(siPLS),移动窗口偏最小二乘法(MW-PLS),有竞争力的自适应重加权采样(CARS),遗传算法PLS(GA-PLS)和间隔时间随机青蛙(IRF),被用来作比较。实验结果表明,该方法是非常有前途既对预测能力和稳定性良好的效果。

  • 该帖子已被版主-武灵加3积分,加2经验;加分理由:发帖
    +关注 私聊
  • 秋月芙蓉

    第1楼2015/06/29

    这个行业应用人不多?

0
    +关注 私聊
  • 武灵

    第2楼2015/07/26

    这种方法,在实际应用中应该不多。

    秋月芙蓉(ljhciq) 发表:这个行业应用人不多?

0
    +关注 私聊
  • athosmi

    第3楼2015/08/04

    您这里基本上什么都没说呀?
    iVISSA的原理是什么,以什么原则进行的计算,计算速度怎么样?和其他算法的比较结果如何?
    你认为为什么iVISSA算法要比其它算法强?

0
    +关注 私聊
  • Rambo

    第4楼2015/08/06

    我只是把这个算法说出来,感兴趣的可以自己网上找资料学习。自主学习!

    athosmi(athosmi)发表:您这里基本上什么都没说呀?
    iVISSA的原理是什么,以什么原则进行的计算,计算速度怎么样?和其他算法的比较结果如何?
    你认为为什么iVISSA算法要比其它算法强?

0
猜你喜欢最新推荐热门推荐更多推荐
举报帖子

执行举报

点赞用户
好友列表
加载中...
正在为您切换请稍后...