一种基于多元回归结合稀疏自编码器光谱特征降维方法技术

本发明专利技术涉及光谱分析领域，具体是一种基于多元回归结合稀疏自编码器光谱特征降维方法。针对数据存在噪声和光谱数据维度过高带来的问题，提出基于稀疏自编码器特征降维神经网络的LIBS的定量分析方法以提高陶瓷原理元素检测精度。具体步骤为：(1)计算训练集中每列特征与标签之间的权重系数；(2)训练集中选取权重系数在前L的特征；(3)测试集保留与训练集剩余特征相同的特征列；(4)用训练集剩余特征建立稀疏自编码器模型，将特征由L维重构为M维；(5)使用自编码器模型对测试集数据进行降维。本发明专利技术提供了一种有效降低数据特征维度的方法，提高了分析精度。高了分析精度。高了分析精度。

【技术实现步骤摘要】
一种基于多元回归结合稀疏自编码器光谱特征降维方法


[0001]本专利技术涉及光谱分析领域，具体是一种基于多元回归结合稀疏自编码器光谱特征降维方法。

技术介绍

[0002]作为陶瓷生产和消费大国，据统计2019年，我国规模以上建筑陶瓷企业1453家。产值3831亿元，日用陶瓷产量310亿件，然而我国的陶瓷行业属于资源型、高污染、高耗能行业。陶瓷原料种类繁多，结构多变，化学元素组成和含量差异较大。在陶瓷生产过程中需要对这些原料的化学元素含量进行监测，可以提高配方的准确性，保证产品质量的一致性，减少坯体废料、废品的产生，达到节约资源、降低能耗，实现绿色可持续的发展，进而提高产品质量及市场竞争力。
[0003]目前国内陶瓷原料企业检测陶瓷原料成分相对准确的方法是化学分析，但化学分析预处理复杂，检测过程周期长，有滞后性，无法做到在线检测分析并且所用试剂易造成环境二次污染。近几年，也出现了新的检测技术对陶瓷原料进行在线检测，如X射线荧光(XRF)分析法。XRF分析法能够做到实时在线检测，但是用于陶瓷原料在线分析的XRF分析仪容易受相互元素干扰和叠加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多元回归结合稀疏自编码器光谱特征降维方法，其特征在于，包括以下步骤：离线建模的步骤：采集陶瓷原料样本的激光诱导原始光谱数据；对每张原始光谱特征进行权重系数的特征筛选；利用特征筛选后新特征建立稀疏自编码器模型，并反复迭代过程中根据目标函数不断更新稀疏自编码器模型的权值获取优化的稀疏自编码器模型；实时检测的步骤：利用现场设备采集现场陶瓷原料样本的实时光谱数据，输入优化的稀疏自编码器模型，对光谱特征进行降维。2.根据权利要求1所述的一种基于多元回归结合稀疏自编码器光谱特征降维方法，其特征在于，所述采集陶瓷原料样本的激光诱导原始光谱数据是采用激光诱导击穿光谱仪采集的。3.根据权利要求1所述的一种基于多元回归结合稀疏自编码器光谱特征降维方法，其特征在于，所述离线建模包括以下步骤：步骤1：数据预处理：对获得的待测物质的激光诱导击穿光谱原始数据，进行均值处理；步骤2：数据集划分：将采集的陶瓷原料样本数据划分为训练集和测试集；训练样本用于建模，测试样本用于评价最终模型的预测精度；步骤3：计算训练集中每列特征与标签之间的权重系数；步骤4：训练集中选取权重系数的绝对值按由大到小排序的前L个的光谱特征；步骤5：测试集保留与训练集剩余特征相同的特征列；步骤6：用训练集剩余特征建立稀疏自编码器模型，将特征由L维重构降维至M维。4.根据权利要求1所述的基于多元回归结合稀疏自编码器光谱特征降维方法，其特征在于，将采集多次光谱数据，并将每个样本采集到的光谱数据取平均值。5.根据权利要求1所述的基于多元回归结合稀疏自编码器光谱特征降维方法，其特征在于，所述训练集中每列特征与标签之间的权重系数的获取包括：通过建立光谱特征与标签之间的多元线性方程计算权重系数。6.根据权利要求1所述的基于多元回归结合稀疏自编码器光谱特征降维方法，其特征在于，所述建立稀疏自编码器模型包括：a.在编码过程，输入向量x通过参数W
r
，b
r
获得隐含层...

【专利技术属性】
技术研发人员：孙兰香，吕尊记，张鹏，于海斌，曾鹏，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：