主题：【分享】. 如何理解开发应用近红外光谱分析技术是一个数据挖掘应用的过程？

浏览0 回复0 电梯直达

Ins_29253308

结帖率：

100%

关注：0 |粉丝：0

新手级：新兵

发表于：2024/06/23 09:40:10 楼主管理分享倒序浏览只看楼主回复私聊

开发应用近红外光谱分析技术，是一个循环往复不断寻优的协同过程，从问题的提出、收集代表性样品、测量光谱、预处理数据、训练构建模型、验证评估模型到应用的整个过程来看，可视为是一个数据挖掘与应用的过程，见图6-6-19示意。其本质就是通过大量的、有代表性的样品光谱数据与相应的理化性质参考数据或特征、类别，结合领域知识、专家经验辅助，通过选择合适的数据预处理方法、校正方法和模式识别方法，以及相关的数据可视化技术，揭示样品光谱与其相应性质参考数据或特征、类别之间的关系，建立有效的近红外校正模型或类模型，从而应用模型预测待测样品光谱，得到预期的各种结果。从这一个过程来看，收集代表性实物样品，测量、整理实验数据（包含清洗异常数据等）是极为重要的基础阶段，需要花费大量的时间来作准备，任何失误或不规范的实验操作导致的样品误差、数据测量误差等都会累积叠加，最终在光谱质量上或建模中体现出来，后续就算应用再先进的数据处理方法、建模算法，都难于获得理想的模型，甚至导致建模失败。建立、训练校正模型或类模型可视为数据挖掘阶段，就是选择合适的校正方法或模式识别方法，对预处理后的样品光谱与其相应性质参考数据或特征、类别进行拟合或关联，挖掘数据潜在的隐含关系，构建校正模型或类模型，并对校正模型或类模型的有效性进行验证。最后的阶段就可通过校正模型或类模型结合待测样品光谱，预测待测样品的各种理化性质数据或判断待测样品的特征、类别归属，并对这些预测结果进行解释和应用。本着数据挖掘这一基本思想来开发和应用近红外光谱分析技术，具有积极的指导作用。 ,541