一种基于自步学习的红外光谱定量分析方法及系统

摘要： 本发明公开了一种基于自步学习的红外光谱定量分析方法及系统。方法包括以下步骤： S1：分别从标准样品的红外光谱数据和待测样品的红外光谱数据中提取出标准样品的红外光谱矩阵和待测样品的红外光谱矩阵，并获取标准样品的浓度数据； S2：根据标准样品的红外光谱矩阵和标准样品的浓度数据，获取用于表示红外光谱矩阵与浓度数据之间关系的偏最小二乘权重向量； S3：根据偏最小二乘权重向量构建偏最小二乘预测模型，将待测样品的红外光谱矩阵输入偏最小二乘预测模型，计算得到待测样品的浓度数据。

本发明的有益效果是相对于现有的传统偏最小二乘算法，该方法具有更好的稳定性和泛化能力，具有较强的抗噪声能力。

摘要：本发明公开了一种基于自步学习的红外光谱定量分析方法及系统，方法包括S1、分别从标准样品的红外光谱数据和待测样品的红外光谱数据中提取出标准样品的红外光谱矩阵和待测样品的红外光谱矩阵，获取标准样品的浓度数据；S2、根据标准样品的红外光谱矩阵和标准样品的浓度数据，获取用于表示红外光谱矩阵与浓度数据之间关系的偏最小二乘权重向量；S3、根据偏最小二乘权重向量构建偏最小二乘预测模型，将待测样品的红外光谱矩阵输入偏最小二乘预测模型，计算得到待测样品的浓度数据。本发明的有益效果是相对于现有的传统偏最小二乘算法，该方法具有更好的稳定性和泛化能力，具有较强的抗噪声能力。