导读:本文包含了谱区选择论文开题报告文献综述及选题提纲参考文献，主要关键词:近红外光谱,谱区选择,多核并行算法,任务调度策略
谱区选择论文文献综述
黄华,朱洁,刘广昊,吴习宇,祝诗平[1]（2018）在《近红外光谱多核并行谱区选择任务调度策略研究》一文中研究指出在近红外光谱的谱区选择算法中,滑动窗口偏最小二乘法具有较高的预测精度,但是其程序运行时间很长。在不改变算法预测精度的前提下,首先以分段间隔偏最小二乘法为基础研究了顺序分配法、等间距法和排序法等3种任务调度策略对并行算法性能的影响。在这3种任务调度策略中,排序法具有较好的负载均衡性和较高的并行效率。然后在16核云计算平台下将排序法分配策略分别应用于组合分段偏最小二乘法、反向分段偏最小二乘法和滑动窗口偏最小二乘法等谱区的并行选择算法中。经实验测试,在单核串行算法下反向分段偏最小二乘法和滑动窗口偏最小二乘法的程序运行时间分别为9.22 h和55.51 h,在排序法分配策略下采用2核并行算法时其程序运行时间分别缩短为4.98 h和29.03 h,分别节省了45.99%和47.70%的程序运行时间。实验结果表明:当考虑并行效率和计算成本时,在1~16核的并行算法中,选用2核并行执行以上4种谱区选择算法都具有最高的并行效率和性价比。(本文来源于《农业机械学报》期刊2018年10期）
黄华,吴习宇,祝诗平[2]（2018）在《近红外光谱预测稻谷水分含量特征谱区选择及其效率分析》一文中研究指出对364份水分含量在2.24%~32.66%之间的"冈优916"稻谷样品,经均值中心化、一阶微分、标准归一化和多元散射校正等预处理后,采用分段间隔法、组合分段法、滑动窗口法和反向分段法等进行特征谱区选择,分别使用偏最小二乘法(PLS)和主成分回归(PCR)两种定量分析方法,获得稻谷含水量近红外光谱预测模型最佳的特征谱区。首次给出了分段间隔法、组合分段法、滑动窗口法和反向分段法等传统的特征谱区选择方法的计算复杂度的计算公式,并对比分析了这几种特征谱区选择方法的程序运行效率。结果表明:采用PLS建模对稻谷含水量光谱的预测性能优于PCR建模,但PLS建模的效率低于PCR建模;在PLS建模中,采用反向分段法对稻谷光谱含水量的预测性能最好,其预测集的相关系数R_P为0.995 6,预测均方根偏差RMSEP为0.78%;其次是滑动窗口法,其R_P为0.994 3,RMSEP为0.89%;但这两种特征谱区选择方法的程序运行效率较低,反向分段法的平均运行时间为4.87h,滑动窗口法的平均运行时间为29.82h。该研究结果为今后在并行计算或分布式计算上开发近红外光谱预测模型的快速算法提供参考。(本文来源于《光谱学与光谱分析》期刊2018年04期）
吕强,何绍兰,刘斌,田喜,易时来[3]（2012）在《班菲尔脐橙可溶性固形物近红外光谱特征谱区选择!》一文中研究指出为探讨快速无损检测班菲尔脐橙可溶性固形物(TSS)含量的方法,利用多元散射校正对脐橙1 000～2 500 nm近红外光谱进行了预处理,并用偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别建立预测模型。结果表明,采用siPLS将光谱划分为17个子区间,利用其中的第4(1 267～1 355 nm)、5(1 356～1 443 nm)、9(1 708～1 795 nm)、15(2 236～2 323 nm)号4个子区间联合建立的TSS模型效果最佳,其校正集决定系数和均方根误差分别为0.910 9和0.331 2。预测集决定系数和均方根误差分别为0.878 9和0.448 7,主因子数为6个。研究表明,近红外光谱技术结合siPLS可优选出表征班菲尔脐橙TSS含量信息的特征光谱区间简化预测模型,同时提高模型预测能力和精度。(本文来源于《农业机械学报》期刊2012年S1期）
邹小波,朱曾,赵杰文[4]（2007）在《基于间隔偏最小二乘法的农产品近红外光谱谱区选择方法》一文中研究指出怎样建立准确的农产品内在质量的近红外光谱预测模型,一直是国内外近红外光谱分析者的研究重点,而现有的农产品近红外光谱数据建立光谱预测模型时,都要面临选择合适的光谱谱区的问题。本研究提出一种间隔偏最小二乘法的农产品近红外光谱谱区选择方法,并将其应用于建立苹果糖度近红外光谱模型。结果表明,该方法可以减小建模运算时间,剔除噪声过大的谱区,使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。(本文来源于《现代科学仪器》期刊2007年01期）
祝诗平,王一鸣,张小超,吴静珠[5]（2004）在《基于遗传算法的近红外光谱谱区选择方法》一文中研究指出针对以每个波长一个染色体基因的 WSGA方法在波长数目较大时搜索空间太大的问题 ,提出了基于遗传算法的近红外光谱谱区选择方法 (RSGA ) ,把全部谱区平均分为多个子区间 ,各子区间的所有不同组合构成搜索空间 ,使用 R/(1+δ)最大作为优化目标 ,使用遗传算法寻找一个最佳子区间组合 ,作为最后参与建模的光谱谱区。计算实例表明 :经 RSGA优化选择谱区后 ,不仅波长点数减少 ,而且 PL S L OO CV预测值与标准值的相关系数 R得以提高 ,交叉检验预测均方差得以减少 ,从而可以减小建模运算时间 ,剔除噪声过大的谱区 ,使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。(本文来源于《农业机械学报》期刊2004年05期）
谱区选择论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对364份水分含量在2.24%~32.66%之间的"冈优916"稻谷样品,经均值中心化、一阶微分、标准归一化和多元散射校正等预处理后,采用分段间隔法、组合分段法、滑动窗口法和反向分段法等进行特征谱区选择,分别使用偏最小二乘法(PLS)和主成分回归(PCR)两种定量分析方法,获得稻谷含水量近红外光谱预测模型最佳的特征谱区。首次给出了分段间隔法、组合分段法、滑动窗口法和反向分段法等传统的特征谱区选择方法的计算复杂度的计算公式,并对比分析了这几种特征谱区选择方法的程序运行效率。结果表明:采用PLS建模对稻谷含水量光谱的预测性能优于PCR建模,但PLS建模的效率低于PCR建模;在PLS建模中,采用反向分段法对稻谷光谱含水量的预测性能最好,其预测集的相关系数R_P为0.995 6,预测均方根偏差RMSEP为0.78%;其次是滑动窗口法,其R_P为0.994 3,RMSEP为0.89%;但这两种特征谱区选择方法的程序运行效率较低,反向分段法的平均运行时间为4.87h,滑动窗口法的平均运行时间为29.82h。该研究结果为今后在并行计算或分布式计算上开发近红外光谱预测模型的快速算法提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
谱区选择论文参考文献
[1].黄华,朱洁,刘广昊,吴习宇,祝诗平.近红外光谱多核并行谱区选择任务调度策略研究[J].农业机械学报.2018
[2].黄华,吴习宇,祝诗平.近红外光谱预测稻谷水分含量特征谱区选择及其效率分析[J].光谱学与光谱分析.2018
[3].吕强,何绍兰,刘斌,田喜,易时来.班菲尔脐橙可溶性固形物近红外光谱特征谱区选择![J].农业机械学报.2012
[4].邹小波,朱曾,赵杰文.基于间隔偏最小二乘法的农产品近红外光谱谱区选择方法[J].现代科学仪器.2007
[5].祝诗平,王一鸣,张小超,吴静珠.基于遗传算法的近红外光谱谱区选择方法[J].农业机械学报.2004