它结合全局和局部搜索,以迭代地和智能地优化频谱间隔的位置,宽度和组合。在全局搜索过程,它继承VISSA软收缩,以搜寻信息的波长的位置和组合的优点,而局部搜索过程中,它利用在光谱数据的连续性的信息,以确定波长的间隔的宽度。全局和本地搜索程序进行交替,实现波长间隔的选择。
使用三个近红外(NIR)的数据集这种方法进行了测试。一些高性能的波长选择方法,如协同区间偏最小二乘(siPLS),移动窗口偏最小二乘法(MW-PLS),有竞争力的自适应重加权采样(CARS),遗传算法PLS(GA-PLS)和间隔时间随机青蛙(IRF),被用来作比较。实验结果表明,该方法是非常有前途既对预测能力和稳定性良好的效果。
![]()