%0 Journal Article
%T 主成分分析-支持向量回归建模方法及应用研究
%A 侯振雨
%A 蔡文生
%A 邵学广
%J 分析化学
%P 617-620
%D 2006
%X 将主成分分析(PCA)用于近红外光谱的特征提取,并与支持向量回归(SVR)相结合,实现了主成分分析-支持向量回归(PCA-SVR)用于近红外光谱定量分析的建模方法。与单纯的SVR方法相比,不仅提高了运算速度,而且提高了模型的预测准确度。将PCA-SVR方法用于烟草样品中总糖和总挥发碱含量的测定,所得结果的预测均方根误差分别为1.323和0.0477;回收率分别为91.8%~112.6%和88.9%~120.2%。
%K 主成分分析
%K 支持向量回归
%K 近红外光谱
%U http://210.14.121.5:8080/fxhx/CN/abstract/abstract6004.htm