高光谱成像仪高光谱数据预测模型的建立方法

高光谱成像仪获取的高光谱数据中含有丰富的光谱信息，对光谱数据进行预处理，提取特征波长，然后建立预测模型，进而对样本进行定性与定量的分析。本文对高光谱成像仪高光谱数据预测模型的建立方法做了简要的介绍。

高光谱数据预测模型之偏最小二乘回归系数法：

自变量与因变量均为两种或两种以上的线性回归分析称为偏最小二乘回归分析（PLSR），当各变量内部高度线性相关时，用PLSR会有显著效果。当样本数太少时，可以使用PLSR方法建立模型。在使用PLSR回归模型时，不需要全部成分，当主成分数过多时，会使模型过拟合，增加预测误差；当适当增加主成分数，又会降低拟合误差，提高模型的预测精度。同时在使用PLSR方法时最佳主成分的确定很关键。选择使用交叉验证的方法按照增加的新成分测试是否对模型的预测能力有改变，以此来确定PLSR回归模型的最佳主成分数。

高光谱数据预测模型之反向传播神经网络法：

人工神经网络模型的种类较多，反向传播神经网络（BNPP）是目前较为常见的，主要是采用误差反向传播算法，通过误差反向传播不断修正网络连接权值，确保实际输出值与预测值的误差最小。