使用高光譜成像儀采集光譜數(shù)據(jù)后，需要對(duì)光譜數(shù)據(jù)進(jìn)行篩選，剔除干擾和無(wú)用信息，最后選取感興趣的光譜數(shù)據(jù)，進(jìn)行模型建立，然后對(duì)樣本進(jìn)行定性與定量的分析。那么，光譜數(shù)據(jù)的建模方法有哪些？本文對(duì)光譜數(shù)據(jù)的建模方法做了介紹。

偏最小二乘（PLS）：

偏最小二乘法（PLS）是基于光譜數(shù)據(jù)中主要成分的逐步提取和變量的添加對(duì)多元數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，利用數(shù)學(xué)模型逐步檢測(cè)其顯著性，廣泛應(yīng)用在數(shù)學(xué)建模中。具有以下優(yōu)點(diǎn)：

①計(jì)算時(shí)可以根據(jù)實(shí)驗(yàn)要求使用全部信息進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，也可以用部分信息進(jìn)行統(tǒng)計(jì)；

②PLS模型在計(jì)算過(guò)程中，數(shù)據(jù)矩陣的分解和回歸是交互同時(shí)計(jì)算的，得到的特征值向量直接與被測(cè)組分進(jìn)行線(xiàn)性相關(guān)；

③PLS方法一般用于較復(fù)雜的數(shù)學(xué)模型分析中。

主成分回歸（PCR）：

主成分回歸（PCR）是在不丟失變量主要信息的基礎(chǔ)上，選擇維數(shù)最少的新變量來(lái)代替原始變量，達(dá)到降維目的一種多元統(tǒng)計(jì)分析方法。

PCR模型是由主成分分析和多元線(xiàn)性回歸組成。主成分回歸利用全譜或者部分光譜數(shù)據(jù)，計(jì)算載荷、向量；可以消除多元線(xiàn)性回歸中的共線(xiàn)問(wèn)題、變量數(shù)使用限制問(wèn)題和噪音濾除問(wèn)題。

最小二乘支持向量機(jī)（LS-SVM）：

LS-SVM模型是把已經(jīng)選好的非線(xiàn)性向量映射到高維空間，然后進(jìn)行超平面（最優(yōu)決策函數(shù)）構(gòu)造提取最優(yōu)的分類(lèi)，是一種結(jié)構(gòu)風(fēng)險(xiǎn)最小的多元統(tǒng)計(jì)方法。該方法既可以將原始空間的線(xiàn)性進(jìn)行分解，還可以對(duì)數(shù)據(jù)進(jìn)行分類(lèi)處理。

LS-SVM是對(duì)SVM的改進(jìn)，是將SVM的二次規(guī)劃進(jìn)一步做了簡(jiǎn)化，可以通過(guò)樣本建模集與待測(cè)樣本集建立空間映射函數(shù)直接得出線(xiàn)性方程組的解，增強(qiáng)其使用性。