论文部分内容阅读
为了提高模型预测精度，结合连续小波变换（CWT）的最优参数选择，优化小麦蛋白质光谱模型。对原始光谱进行CWT，利用主成分分析（PCA）选出5种小波db1、sym2、sym5、sym7、coif1；在不同尺度参数下利用偏最小二乘法（PLS）建模，确定尺度参数为15；在此基础上，利用CWT结合多元散射校正（MSC）及支持向量机（SVM）建模确定最优小波db1；在最优参数下用CWT结合无信息变量消除算法（UVE）和连续投影算法（SPA）及SVM建立预测模型，预测均方根误差为0.3930，优于CWT-UVEPLS