应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选
CARS_SPA算法结合高光谱检测马铃薯还原糖含量_姜微
图像；Id-黑色图像。
1.4 数据预处理
为减弱或消除基线漂移、散射等非目标因素
对光谱影响，对高光谱成像仪采集光谱预处理 。 [13]
分别对原始光谱采用平滑 13 点、最大值归一化、基
线校正、正交信号校正和标准化等预处理，并依次
比较原始光谱和预处理后光谱对定标模型影响，以
系数最大、均方根误差最小原则，确定预处理方
共制备 238 个样本，比色法测定马铃薯还原糖含量，选择 190 个样本作校正集，48 个样本作验证集，与全光谱和经
典变量提取方法比较。结果表明，CARS-SPA 算法筛选波段效果最佳，相比于全谱建模其参与建模波长点由 203 个
基于近红外光谱结合波长优选检测单颗葡萄的SSC含量
基于近红外光谱结合波长优选检测单颗葡萄的SSC含量郭成;马月;梁梦醒;颜辉【摘要】采用无损检测测定单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄口味的不同需求.采用手持式NIR光谱仪在950～1 650 nm波长范围采集葡萄的近红外光谱,采用偏最小二乘(PLS)回归建立葡萄SSC预测模型.为了减少冗余无信息变量,增加模型的预测精度和稳定性,采用无信息变量消除法(UVE)、随机蛙算法(RF)筛选出与葡萄SSC含量相关的重要波长变量.结果表明:RF筛选建立的SSC预测模型优于全光谱PLS和UVE筛选建立的模型.RF-PLS模型的校正集、交叉验证及预测集的Rc2、Rcv2和Rp2分别为0.960 5,0.933 4,0.930 4,校正均方根误差(RMSEC),交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.638 2,0.829 9,0.868 8.表明通过波长优选后的,基于便携式近红外光谱在预测单颗葡萄SSC含量的应用上完全可行,有较高的预测精度.【期刊名称】《食品与机械》【年(卷),期】2016(032)009【总页数】5页(P39-43)【关键词】葡萄;可溶性固形物;近红外光谱;随机蛙算法;无信息变量消除法【作者】郭成;马月;梁梦醒;颜辉【作者单位】江苏科技大学生物技术学院,江苏镇江212000;江苏科技大学生物技术学院,江苏镇江212000;江苏科技大学生物技术学院,江苏镇江212000;江苏科技大学生物技术学院,江苏镇江212000【正文语种】中文据统计[1]，2014年中国葡萄总产量达1 254.6 万t，如此多的产量，需要有效的田间与采后管理。
葡萄为葡萄科葡萄属木质藤本植物，是世界性的水果。
葡萄中的可溶性固形物含量(Soluble Solids Content，SSC)是衡量葡萄品质的重要指标之一。
近红外高光谱图像结合CA RS算法对鸭梨SSC含量定量测定
近红外高光谱图像结合CA RS算法对鸭梨SSC含量定量测定李江波;彭彦昆;陈立平;黄文倩【期刊名称】《光谱学与光谱分析》【年(卷),期】2014(000)005【摘要】The present study proposed competitive adaptive reweighted sampling (CARS) algorithm to be used to select the key variables from near-infrared hyperspectral imaging data of “Ya” pear .The performance of the developed model was evaluated in terms of the coefficient of determination (r2 ) ,and the root mean square error of prediction (RMSEP) and the ratio (RPD) of standard deviation of the validation set to standard error of prediction were used to evaluate the performance of proposed model in the prediction process .The selected key variables were used to build the PLS model ,called CARS-PLS model .Comparing re-sults obtained from CARS-PLS model and results obtained from full spectra PLS ,it was found that the better results (r2pre =0.908 2 ,RMSEP=0.312 0 andRPD=3.300 5) were obtained by CARS-PLS model based on only 15.6% information of full spectra .Moreover ,performance of CARS-PLS model was also compared with PLS models built by using variables got by Monte Carlo-uninformative variable elimination (MC-UVE) and genetic algorithms (GA) method .The result found that CARS variable selection algorithm not only can remove the uninformative variables in spectra ,but also can reduce the collinear variables from in-formative variables .Therefore ,thismethod can be used to select the key variables of near-infrared hyperspectral imaging data . This study showed that near-infrared hyperspectral imaging technology combined with CARS-PLS model can quantitatively pre-dict the soluble solids content (SSC) in“Ya” pear .The results presented from this study can provide a reference for predicting other fruits quality by using the near-infrared hyperspectral imaging .%高光谱数据量大、维数高且原始光谱噪声明显、散射严重等特征导致光谱建模时关键波长变量提取困难。
基于CARS算法的脐橙可溶性固形物近红外在线检测
基于CARS算法的脐橙可溶性固形物近红外在线检测刘燕德;施宇;蔡丽君;周延睿【摘要】采用可见/近红外光谱在线检测装置进行赣南脐橙可溶性固形物含量在线检测模型优化研究.样品以5个/s的速度运动,采集可见/近红外漫透射光谱.光谱经过预处理后,分别应用向后区间偏最小二乘法(BiPLS)、遗传算法(GA)和正自适应加权算法(CARS)筛选特征变量,并通过外部验证评价PLS模型预测能力.一阶微分处理后经CARS筛选特征变量建立的PLS模型预测结果最优,预测相关系数和预测均方根误差分别为0.94和0.42％.结果表明CARS算法可有效简化赣南脐橙可溶性固形物可见/近红外光谱在线检测模型并提高模型的预测精度.【期刊名称】《农业机械学报》【年(卷),期】2013(044)009【总页数】7页(P138-144)【关键词】赣南脐橙;近红外光谱;在线检测;CARS变量筛选法【作者】刘燕德;施宇;蔡丽君;周延睿【作者单位】华东交通大学机电工程学院,南昌330013;华东交通大学机电工程学院,南昌330013;华东交通大学机电工程学院,南昌330013;华东交通大学机电工程学院,南昌330013【正文语种】中文【中图分类】O657.33;S666.4引言可溶性固形物含量(Soluble solids content，SSC)是评价赣南脐橙品质的重要指标［1］。
近红外光谱技术因其无损、高效、样品无需前处理等优点，被广泛用于水果品质检测。
传统的破坏式可溶性固形物检测方法因制样繁琐、检测时间长等问题，难以满足大批量水果在线检测与分级的需求。
现代近红外光谱技术具有速度快、不破坏样品、操作简单、稳定性好、效率高等特点，适于水果品质的在线检测分析［2～5］，国内外众多专家已开始利用近红外光谱进行水果的品质自动化在线分选技术研究［6～13］。
近红外光谱反映了被检测物的基本特征信息，但同时也受到许多非目标信息的干扰，导致近红外光谱建模受到无关变量的干扰，降低模型预测能力和稳定性。
基于CARS-PLS的食用油脂肪酸近红外定量分析模型优化
基于CARS-PLS的食用油脂肪酸近红外定量分析模型优化吴静珠;徐云【期刊名称】《农业机械学报》【年(卷),期】2011(042)010【总页数】5页(P162-166)【作者】吴静珠;徐云【作者单位】;【正文语种】中文引言我国居民食用植物油主要有大豆油、菜籽油、花生油、葵花籽油、橄榄油和芝麻油等。
植物油中常见的高级脂肪酸主要有棕榈酸、硬脂酸、油酸和亚油酸等。
不同植物油的脂肪酸组成有很大差异，因此其功效和营养价值也随之不同。
随着营养学研究发展，人们对植物油中脂肪酸认识不断提高。
中国营养学会也推荐膳食中必需脂肪酸摄入理想比值，市场上也出现大量调和油，为了评估食用植物油营养价值，研究分析常用食用植物油中脂肪酸组成是很有必要的。
近红外分析技术是利用近红外谱区包含的物质信息，用于有机物质定性和定量分析的一种分析技术。
该方法具有快速、高效、无污染、无需前处理、无损分析及多组分同时测定等优点［1～2］。
国内外已有将近红外技术应用于油脂检测的研究报道［3～5］。
提高模型预测能力始终是近红外分析中的研究热点和难点问题。
有研究报道，有效地变量筛选不仅可以简化模型，更主要的是可以剔除不相关变量，建立更好的校正模型，从而加强模型预测能力与稳健性［6］。
目前，在近红外分析中，常用的波长变量选择方法主要有相关系数法、方差分析法、无信息变量消除法、遗传算法、移动窗口偏最小二乘回归法等［6～7］。
CARS(competitive adaptive reweighted sampling)是近年来提出的一种新的变量选择方法［8］。
此算法能够在一定程度上克服变量选择中的组合爆炸问题，筛选出优化的变量子集，提高模型的预测能力和降低预测方差［9］。
本文拟采用红外光谱技术，建立食用油中4种主要脂肪酸(棕榈酸、硬脂酸、油酸和亚油酸)定量分析模型，通过CARS挑选特征波长变量优化模型，提升脂肪酸近红外模型的预测能力。
1 CARS变量筛选法近红外光谱通常由大量数据点构成，建模时波长点数远大于样本数，且光谱的共线性非常严重。
LS-SVM和BP-ANN在草莓糖度NIR检测中的应用
以去 除无 用信 息 ， 使用 Ｐ Ｌ Ｓ降 维 提 取 的潜 在 变量 （ Ｌ ａ —
ｔ ｅ ｎ ｔ Ｖ ａ ｒ ｉ ａ ｂ ｌ ｅ ｓ ， Ｌ Ｖ ｓ ） 作为 Ｌ Ｓ — Ｓ Ｖ Ｍ或 Ｂ Ｐ — Ａ Ｎ Ｎ模 型 的 输 入 变量 ， 已分 别 应 用 于 红 葡 萄 匀 浆 中 总 花 青 素 含 量、 油菜 叶 片蛋 白质 含量 及 猕 猴桃 中维 生 素 Ｃ含 量 的 近红 外 检测 中 ， 并取 得 了较 好 的建模 结果 。 为观 察不 同算 法 对草 莓糖 度 近红 外检 测模 型性 能
１ 实 验 材 料 和 方 法
１ ． １ 实 验材 料
步 的改 善 ， 以适 应 仪器 开 发 的精度 需 要 。
最 小二 乘支 持 向量 机 （ Ｌ ｅ ａ ｓ ｔ Ｓ ｑ ｕ ａ ｒ ｅ ｓ — Ｓ ｕ ｐ ｐ ｏ ￣Ｖ ｅ ｃ —
为使 所 建模 型具 有 较 强 的实 用 性 和 扩 展 性 ， 本 实
中图 分 类 号 ：０ ６ ５ ７ ． ３ ３； Ｔ Ｓ ２ ０ ７ ． ３１ ８ ８ Ｘ（ ２ ０ １ ３） ０ ５ — ０ ２ ０ ４ — ０ ４
０ 引言
糖度（ 即可 溶 性 固形 物 Ｓ ｏ ｌ ｕ ｂ ｌ ｅ Ｓ ｏ ｌ ｉ ｄ Ｃ ｏ ｎ ｔ ｅ ｎ ｔ ， Ｓ Ｓ Ｃ ） 是 为消 费者 和食 品工业 所 公 认 的评 价 草 莓 风 味 和成 熟 程 度 的重要 品质 指 标 之 一 ｌ 】 Ｊ 。 目前 ， 检 测 草 莓 糖 度
检测 草 莓糖 度方 面确 实 存 在 很 大 的潜 力 ， 但 研 究所 使 用 的建 模算 法 多 为传 统 的线 性 算 法 ， 如偏 最 ４ ＇ － ￣乘 法
（ Ｐ ａ ｒ ｔ ｉ ａ ｌ Ｌ ｅ ａ ｓ ｔ Ｓ ｑ ｕ ａ ｒ ｅ ｓ ， Ｐ Ｌ Ｓ ） 等， 难 以 应 对 光 谱 和 浓 度 数据 的非线 性 情况 ， 模 型 的精 度 和预 测 性 能 仍 需 进 一
基于最小二乘支持向量机的辣椒可溶性固形物和维生素C含量近红外光谱检测
基于最小二乘支持向量机的辣椒可溶性固形物和维生素C含量近红外光谱检测刘燕德;周延睿;潘圆媛【摘要】应用傅里叶变换近红外光谱技术实现了鲜辣椒中可溶性固形物(SSC)和维生素C(Vc)含量的快速无损检测.分别采用7种预处理方法对原始光谱进行处理后,建立了SSC和Vc预测的偏最小二乘法(PLS)模型.将利用最小二乘法(PLS)提取的主成分(PC)和蒙特卡罗无信息变量消除法(MC-UVE)提取的有效波长作为最小二乘支持向量机(LSSVM)的输入变量,分别建立了PC-LS-SVM和MC-UVE-LS-SVM模型,并与MC-UVE-PLS模型进行了比较.采用优化后的模型对27个预测集未知样品进行了预测.结果表明,对鲜辣椒中SSC含量预测最优的为MC-UVE-PLS模型,其预测集相关系数(rp)为0.971,预测集均方根误差(RMSEP)为0.382°Brix;对鲜辣椒中Vc 含量预测最优的为MCUVE-LS-SVM模型,其rp为0.899,RMSEP为21.022 mg 100 g.研究结果表明:鲜辣椒中SSC和Vc的含量与近红外光谱具有显著的相关性.【期刊名称】《光学精密工程》【年(卷),期】2014(022)002【总页数】8页(P281-288)【关键词】近红外光谱;最小二乘支持向量机;鲜辣椒;可溶性固形物;维生素C【作者】刘燕德;周延睿;潘圆媛【作者单位】华东交通大学机电工程学院,江西南昌330013;华东交通大学机电工程学院,江西南昌330013;华东交通大学机电工程学院,江西南昌330013【正文语种】中文【中图分类】O657.33;S1231 引言辣椒是我国仅次于大白菜的第二大蔬菜作物，它营养丰富，含有大量的辣椒素、辣椒红素、胡萝卜素、碳水化合物、矿物质等，尤其是维生素C（Vc）的含量更是高居各类蔬菜的榜首，既可鲜食、调味，也可入药，具有重要的经济价值和食疗保健作用［1－3］。
可溶性固形物（Soluble Solids Content，SSC）和维生素C（Vc）的含量测定是目前育种、农产品加工和食品营养研究中的基础问题之一。
随机森林算法的水果糖分近红外光谱测量
随机森林算法的水果糖分近红外光谱测量李盛芳;贾敏智;董大明【摘要】近年来,有关水果糖分等内部品质的近红外光谱测量方法研究很多,并有部分商业化仪器问世.但由于近红外光谱复杂多变,模型的传递性较差,往往所建模型只能针对特定品种甚至特定产地的水果.随机森林(RF)是一种基于决策树的集成算法,通过对分类回归树(CART)模型的集成来提高预测精度.相对于偏最小二乘法(PLS),多元线型回归法(MLR)等方法,随机森林回归方法对非线性数据的解析能力较强.考虑到RF模型的随机性,通过调试决策树数量(ntree)和分裂变量数目(mtry)等变量来进行模型优选.尝试使用随机森林对不同种类的水果(苹果、梨)糖分进行预测.实验表明,对于同一种类的水果,随机森林和PLS的建模和预测结果均较好.但对于不同种类的水果,随机森林明显增加了模型的预测能力,将建模R2由PLS的0.878提高到了0.999,将建模的RMSEC由0.453降低到了0.015.经过独立的预测集样品对最优RF模型进行检验,预测R2由PLS的0.731提高到为0.888,预测RMSEP由1.148降低到0.334.随机森林在对多种水果糖分预测时,具有明显的优势.这一研究证明了随机森林有望应用于多种水果糖分的近红外光谱测定,进而解决模型的普适性和传递性问题.%In recent years ,many researchers have studied the measurement methods of fruit sugar and other internal quality by near-infrared (NIR) spectroscopy and some commercial instruments have been produced.However ,due to the complexity of the NIR spectra ,the transitivity of the models established with NIR is often poorly performed.The model is only built for a particu-lar species or even a certain variety.Random forest (RF) is an integrated algorithm based on decision tree ,which improves the prediction accuracy by integrating theclassification regression tree (CART) pared with partial least squares (PLS) , multiple linear regression (MLR) and other methods ,RF algorithm has the strong analytical ability of nonlinear data.Taking in-to account the randomness of the RF model ,the model is optimized by debugging the number of decision tree (ntree) and the number of split variables (mtry).In this study ,we used RF to predict the sugar content in different types of fruits (apple and pear).Experimental results showed that for the same kind of fruit ,the modeling and predicting results of RF and PLS were bet-ter.However ,for different types of fruits ,RF significantly increased the prediction ability of the model.The R2 of PLS model was 0.878 and the R2 of RF model was increased to 0.999.The RMSEC of PLS model and RF model were respectively 0.453 and 0.015.In addition ,the optimal RF model was tested by independent test set samples ,the R2 of PLS model was 0.731 and the R2 of RF model was increased to 0.888.The RMSEC of PLS model and RF model were respectively 1.148 and 0.334.RF showed a significant advantage in predicting a variety of fruit sugar.This research proved that the RF method could be applied to detect the sugar content in fruits by NIR spectroscopy ,thus solving the model problem of universality and transitivity.【期刊名称】《光谱学与光谱分析》【年(卷),期】2018(038)006【总页数】6页(P1766-1771)【关键词】近红外;随机森林;苹果糖分;快速检测【作者】李盛芳;贾敏智;董大明【作者单位】太原理工大学 ,山西太原 030024;北京农业智能装备技术研究中心 ,北京 100097;太原理工大学 ,山西太原 030024;北京农业智能装备技术研究中心 ,北京 100097;国家农业智能装备工程技术研究中心 ,北京 100097【正文语种】中文【中图分类】TP181引言苹果和梨是人们非常喜爱的水果，其糖分含量直接影响其口感。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
０ ． ３ ４ ８ ４和 ３ ． ３ ２ ７ ８。
， Ｒ ＭＳ Ｅ Ｐ和 Ｒ Ｐ Ｄ分别为 ０ ． ９ ０ ９ ７ ，
关键词
变量筛选 ； 样本筛选 ； 近红外光谱 ； 草莓 ；可溶性 固形物
所有波长点都有用 ；另一方 面 ， 部分 波长之 间也存在 较为严
重 的共线性 。目前的研究已经证 明冗 余信息 的存在 能够削弱 模 型的预测性 能和稳 定性 ＿ ３ ］ 。因此 ， 在 利用 近红 外光 谱对 农 产品无损检测 时，需要 进行 无信 息变量 消除 和变量优 选 。 在众 多变量选择 的算法 中 ， 蒙特卡罗无信息变量消除 （ Ｍｏ ｎ ｔ ｅ
第３ ５ 卷 ， 第２ 期
２ ０ １ ５年 ２月
光
谱
学
与
光
谱
分
析
Ｓ ｐ ｅ ｃ ｔ ｒ ｏ ｓ ｃ ｏ ｐ ｙ ａ ｎ ｄ Ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ Ａｎ ａ ｌ ｙ ｓ ｉ ｓ
Ｖｏ １ ． ３ ５ ， Ｎｏ ． ２ ， ｐ ｐ ３ ７ ２ — ３ ７ ８ Ｆｅ ｂ ｒ ｕ ａ ｒ ｙ ，２ ０ １ ５
有“ 水果 皇后 ” 的美称 。 开展基于草莓 内部 品质的快速 检测分 级技术研究具有重要意义 。 本研究 中将 Ｃ Ａ Ｒ Ｓ变量选 择方法
影算法 （ ｓ ｕ ｃ ｃ ｅ ｓ ｓ ｉ ｖ ｅ ｐ ｒ ｏ ｊ ｅ ｃ ｔ ｉ ｏ ｎ ｓ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ，ｓ Ｐ Ａ） 是两种分别在
个关键变量 。 为 了验证 Ｃ Ｒ Ｓ算法的性能 ， Ａ 蒙特卡罗无信息变量消除 ＭＣ － ＵＶ Ｅ和连续投影算法 Ｓ Ｐ Ａ用于 比 较研究 。Ｃ Ｒ Ｓ算法在 消除无信息变量 的同时可 以对共线 性信息进 行去 除。同样 ， Ａ 为 了评估 Ｓ Ｐ Ａ算 法在特 征样本选择 中的性能 ，经典的 Ｋｅ ｎ ｎ ａ ｒ ｄ － Ｓ ｔ ｏ ｎ ｅ 算法也用于 比较分析 。Ｓ Ｐ Ａ算法能够用于校正 集特征样本 的优
用和维护都非常关键 。以草莓 内部 品质近红外光谱预测为例 ， 从 关键 变量和特征样本 优选两方 面进行研究 。
采用竞争性 自适应重加权 Ｃ Ａ ＲＳ算法对光谱变量进行初次选 择 ，随后采用连续投影算法 Ｓ Ｐ Ａ对校正集样 本 进行优选 ，获得 ９ ８个特征样 本 ， 针对优选后 的变量 ／ 样 本子集利用 Ｓ Ｐ Ａ算 法作二次 关键变量提取 ， 获得 ２ ５
引 言
迄今 ， 大量研究 已经证 明近红外光谱能够 有效用 于农 产 品无损检测的定量 和定性 分析［ １ ］ 。但 是 ，目前 所采 用 的光 谱仪精度通常较高 ， 原始光谱数 据中存在较 多 的波长点 。一 方面 ， 在针对特定对象 中特定成分作定量分 析的时候并 不是
行 有效 去除和共 线性 变量 进行有效压缩 ， 最终 优选出针对 预 测 目标最为关键 的变量Ｅ ７ ， ８ ３ 。 另外 ， 在研究 中我们也发现 ，目前较 多 的研究 集 中在 光 谱关键变量 的提 取 ，但对 校 正样 本 的有 效 选 择并 不 多。然 而， 选择合理有效 的校正集样本 不仅可 以提高建模 速度 、减
选 。针对最终优选后的变量／ 样本 （ ２ ５ ／ ９ ８ ） 子集建立 Ｐ Ｌ Ｓ和 ＭＬ Ｒ模 型对 草莓 内部可溶性 固形 物含量 Ｓ Ｓ Ｃ含
量进 行定量 预测 。结果表 明， 两个模型利用原始变量 ／ 样本的 ０ ． ５ ９ ／ ６ ５ ． ３ ３ 的信 息均 能够 获得 比基于原 始
Ｃ ａ ｒ ｌ ｏ — ｕ ｎ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｖ ｅ ｖ ａ ｒ ｉ ａ ｂ ｌ ｅ ｅ ｌ ｉ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ， ＭＣ － ＵＶＥ ） 和 连续 投
草莓属 于蔷薇科 草莓 属多年生草本 果树 ， 在 世界小浆 果 生产中居于首位 。 草莓 以其柔 软多汁 、营养 丰富而 著称 ，素
文献标识码 ： Ａ Ｄ ＯＩ ：１ ０ ． ３ ９ ６ ４ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ０ ５ ９ ３ （ ２ ０ １ ５ ） ０ ２ － ０ ３ ７ ２ － ０ ７ 择理论 ＿ ７ ］ ，但研究 已经证明该方法可以同时对无信 息变量进
中图分类号 ： ０６ ５ ７ Ａ算 法对 草 莓 Ｓ Ｓ Ｃ含 量 Ｎ Ｉ Ｒ 光谱 预 测模 型 中变量 及样 本 筛选
李江波 ， 郭志 明， 黄文倩 ， 张保 华 ， 赵 春江
北京市农林科学 院北京农业智能装备技术研究中心 ， 北京 １ ０ ０ ０ ９ ７
摘
要
采用光谱技术对水果进行 定量 或定 性分析 ，如何 获得一个 简单 、有效 的校正模 型对后续 模型 的应
少模型库的存储空 间，而且 ，当遇 到模型界 外样 品时 ， 通 过
较少 的样 品 ， 便可以扩大模型的使用范 围 ， 便 于模型 的更新 和维护 ， 进一步节省 人力 、物力 投入 成本＿ ９ ］ 。并且 ， 样 本 的 选择在 多元校正模型 的传递 中也非 常重要＿ １ 。因此 ， 校正样 本 的选择也作 为本研究 的一个重要方 面。
和Ｓ Ｐ Ａ样 本选 择方法应 用 于草莓 可溶 性 固形物 （ Ｓ Ｓ Ｃ） 的定
量预测 中。为此 ， 系统 比较 Ｃ Ｒ Ｓ变量选 择方法与 ＭＣ Ａ － ＵＶＥ
收稿 日期 ：２ ０ １ ３ — １ １ — ０ ２ ，修订 日期 ： ２ ０ １ ４ — ０ ３ — ０ ４ 基金项 目： ｊ Ｅ 京市博士后科研活动经费（ ２ Ｏ １ ３ Ｚ Ｚ － ７ Ｏ ） ，中国博士后科学基金项 目（ ２ ０ １ ２ Ｍ５ ２ ０ １ ９ ３ ） 和 国家 自然科学基金项 目（ ３ １ ３ ０ １ ２ ３ ６ ） 资助 作者简介 ： 李 江波，１ ９ ８ ２年生 ， 北京市农林科学院北京农业智能装备技术研究 中心博士后
有效信息获取和降低共线信息的研究 中取得了较好结果的方
法Ｌ ６ ＿ 。与之相 比 ，竞争 性 自适 应重 加权 算法 （ ｃ ｏ ｍｐ ｅ ｔ ｉ ｔ ｉ ｖ ｅ ａ —
ｄ ａ ｐ ｔ ｉ ｖ ｅ ｒ ｅ ｗｅ ｉ ｇ ｈ ｔ ｅ ｄ ｓ ａ ｍｐ ｌ ｉ ｎ ｇ ， Ｃ Ａ ＲＳ ） 是一种新 提出 的变 量选