A variable selection method based on multicollinearity reduction for food origin traceability identification

doi:10.1016/j.vibspec.2025.103804

A variable selection method based on multicollinearity reduction for food origin traceability identification

2025-05-01

0

PRE

AI

DOI：10.1016/j.vibspec.2025.103804

原文链接

原文求助

摘要

En 中文

在光谱建模分析中，光谱变量之间的多重共线性问题普遍存在，这可能降低分析结果的准确性。为减少分类分析中变量间的多重共线性影响，提出了一种名为基于多重共线性削减的变量选择（MR-based VS）的新策略。基于类别间显著差异和类别内相关性评价选择特征变量，该方法降低了数据多重共线性，并确保所选变量与类别更相关。该方法结合监督模式识别方法——最小二乘判别分析（PLS-DA）和非相关线性判别分析（ULDA），用于识别不同地理来源的红葡萄酒和橄榄油。结果表明，与全谱模型和传统的连续投影算法（SPA）变量筛选模型相比，MR-based VS策略在减少变量间多重共线性的同时，确保了不同类别间的最大差异，因此获得了更优的分类结果。因此，MR-based VS能够有效提取类别特征、消除冗余信息并提高模型可解释性，显示出在不同领域增强光谱定性分析模型能力的潜力。

A variable selection method based on multicollinearity reduction for food origin traceability identification

摘要

期刊

机构

引用论文