梁淼 蔡嘉月 楊凱 束茹欣 趙龍蓮 張錄達(dá) 李軍會(huì)

1引言

半監(jiān)督學(xué)習(xí)是一種結(jié)合監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)，利用少量的標(biāo)注樣本和大量的未標(biāo)注樣本進(jìn)行訓(xùn)練和分類，充分利用大量的無標(biāo)識(shí)的訓(xùn)練樣本來彌補(bǔ)有標(biāo)識(shí)樣本的不足，以提高系統(tǒng)學(xué)習(xí)性能的方法。早在上世紀(jì)五六十年代就有人提出半監(jiān)督的思想，之后產(chǎn)生了自學(xué)習(xí)和自訓(xùn)練的的概念＼[1～3＼]。近些年來，半監(jiān)督算法已成為機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)＼[4～7＼]，自訓(xùn)練分類算法是其中經(jīng)常被用到的一種分類算法，該算法應(yīng)用領(lǐng)域廣泛，以簡(jiǎn)潔、高效著稱＼[8～10＼]。

近紅外光譜技術(shù)是質(zhì)量控制的理想手段，在農(nóng)業(yè)、食品、石油等領(lǐng)域， 特別是煙草行業(yè)的應(yīng)用日益廣泛＼[11，12＼]。近紅外光譜分析中，建立可靠的定性和定量模型是對(duì)未知樣品做出準(zhǔn)確預(yù)測(cè)的前提＼[13＼]，使用大量代表性樣品建模是建立可靠近紅外統(tǒng)計(jì)模型的基礎(chǔ)＼[14＼]。應(yīng)用近紅外光譜建立煙葉等復(fù)雜體系的分析模型中，與獲取大量樣品的近紅外光譜數(shù)據(jù)相比，對(duì)煙葉感官品質(zhì)進(jìn)行準(zhǔn)確標(biāo)定十分困難，而僅使用標(biāo)定小樣品集建模或使用大量未準(zhǔn)確標(biāo)定樣品集建模結(jié)果均不理想。借鑒半監(jiān)督自訓(xùn)練理念，本研究提出半監(jiān)督偏最小二乘（SSPLS）方法優(yōu)化模型，并應(yīng)用此方法建立優(yōu)化近紅外煙葉感官質(zhì)量模型，既解決了使用小樣品集建模的數(shù)據(jù)代表性問題，同時(shí)降低了感官評(píng)價(jià)不準(zhǔn)確樣品對(duì)模型的影響。

1引言

半監(jiān)督學(xué)習(xí)是一種結(jié)合監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)，利用少量的標(biāo)注樣本和大量的未標(biāo)注樣本進(jìn)行訓(xùn)練和分類，充分利用大量的無標(biāo)識(shí)的訓(xùn)練樣本來彌補(bǔ)有標(biāo)識(shí)樣本的不足，以提高系統(tǒng)學(xué)習(xí)性能的方法。早在上世紀(jì)五六十年代就有人提出半監(jiān)督的思想，之后產(chǎn)生了自學(xué)習(xí)和自訓(xùn)練的的概念＼[1～3＼]。近些年來，半監(jiān)督算法已成為機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)＼[4～7＼]，自訓(xùn)練分類算法是其中經(jīng)常被用到的一種分類算法，該算法應(yīng)用領(lǐng)域廣泛，以簡(jiǎn)潔、高效著稱＼[8～10＼]。

近紅外光譜技術(shù)是質(zhì)量控制的理想手段，在農(nóng)業(yè)、食品、石油等領(lǐng)域， 特別是煙草行業(yè)的應(yīng)用日益廣泛＼[11，12＼]。近紅外光譜分析中，建立可靠的定性和定量模型是對(duì)未知樣品做出準(zhǔn)確預(yù)測(cè)的前提＼[13＼]，使用大量代表性樣品建模是建立可靠近紅外統(tǒng)計(jì)模型的基礎(chǔ)＼[14＼]。應(yīng)用近紅外光譜建立煙葉等復(fù)雜體系的分析模型中，與獲取大量樣品的近紅外光譜數(shù)據(jù)相比，對(duì)煙葉感官品質(zhì)進(jìn)行準(zhǔn)確標(biāo)定十分困難，而僅使用標(biāo)定小樣品集建?；蚴褂么罅课礈?zhǔn)確標(biāo)定樣品集建模結(jié)果均不理想。借鑒半監(jiān)督自訓(xùn)練理念，本研究提出半監(jiān)督偏最小二乘（SSPLS）方法優(yōu)化模型，并應(yīng)用此方法建立優(yōu)化近紅外煙葉感官質(zhì)量模型，既解決了使用小樣品集建模的數(shù)據(jù)代表性問題，同時(shí)降低了感官評(píng)價(jià)不準(zhǔn)確樣品對(duì)模型的影響。

1引言

半監(jiān)督學(xué)習(xí)是一種結(jié)合監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)，利用少量的標(biāo)注樣本和大量的未標(biāo)注樣本進(jìn)行訓(xùn)練和分類，充分利用大量的無標(biāo)識(shí)的訓(xùn)練樣本來彌補(bǔ)有標(biāo)識(shí)樣本的不足，以提高系統(tǒng)學(xué)習(xí)性能的方法。早在上世紀(jì)五六十年代就有人提出半監(jiān)督的思想，之后產(chǎn)生了自學(xué)習(xí)和自訓(xùn)練的的概念＼[1～3＼]。近些年來，半監(jiān)督算法已成為機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)＼[4～7＼]，自訓(xùn)練分類算法是其中經(jīng)常被用到的一種分類算法，該算法應(yīng)用領(lǐng)域廣泛，以簡(jiǎn)潔、高效著稱＼[8～10＼]。

近紅外光譜技術(shù)是質(zhì)量控制的理想手段，在農(nóng)業(yè)、食品、石油等領(lǐng)域， 特別是煙草行業(yè)的應(yīng)用日益廣泛＼[11，12＼]。近紅外光譜分析中，建立可靠的定性和定量模型是對(duì)未知樣品做出準(zhǔn)確預(yù)測(cè)的前提＼[13＼]，使用大量代表性樣品建模是建立可靠近紅外統(tǒng)計(jì)模型的基礎(chǔ)＼[14＼]。應(yīng)用近紅外光譜建立煙葉等復(fù)雜體系的分析模型中，與獲取大量樣品的近紅外光譜數(shù)據(jù)相比，對(duì)煙葉感官品質(zhì)進(jìn)行準(zhǔn)確標(biāo)定十分困難，而僅使用標(biāo)定小樣品集建?；蚴褂么罅课礈?zhǔn)確標(biāo)定樣品集建模結(jié)果均不理想。借鑒半監(jiān)督自訓(xùn)練理念，本研究提出半監(jiān)督偏最小二乘（SSPLS）方法優(yōu)化模型，并應(yīng)用此方法建立優(yōu)化近紅外煙葉感官質(zhì)量模型，既解決了使用小樣品集建模的數(shù)據(jù)代表性問題，同時(shí)降低了感官評(píng)價(jià)不準(zhǔn)確樣品對(duì)模型的影響。