论文部分内容阅读
为考察支持向量机回归（SVR）在烟草近红外光谱（NIRS）分析中应用的可行性，采用偏最小二乘回归（PLS）、多元线性回归（MLR）、误差反向传播人工神经网络（BP-ANN）和SVR对187份烟草样品的NIR漫反射光谱及其淀粉含量的化学测定数据进行处理，建立了烟草中淀粉含量NIRS定标模型，并采用留一法交叉验证（LOOCV）和独立样本集对模型进行了内部和外部验证。结果表明，SVR模型的预测能力比BP-ANN、PLS和MLR模型略好。因此，可将SVR引入到烟草淀粉含量的NIR分析中。