使用高光譜成像儀采集光譜數(shù)據(jù)后，需要對光譜數(shù)據(jù)進行篩選，剔除干擾和無用信息，最后選取感興趣的光譜數(shù)據(jù)，進行模型建立，然后對樣本進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多元數(shù)據(jù)進行統(tǒng)計，利用數(shù)學(xué)模型逐步檢測其顯著性，廣泛應(yīng)用在數(shù)學(xué)建模中。具有以下優(yōu)點：

①計算時可以根據(jù)實驗要求使用全部信息進行數(shù)據(jù)統(tǒng)計，也可以用部分信息進行統(tǒng)計；

②PLS模型在計算過程中，數(shù)據(jù)矩陣的分解和回歸是交互同時計算的，得到的特征值向量直接與被測組分進行線性相關(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)最少的新變量來代替原始變量，達到降維目的一種多元統(tǒng)計分析方法。

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

最小二乘支持向量機（LS-SVM）：

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

LS-SVM是對SVM的改進，是將SVM的二次規(guī)劃進一步做了簡化，可以通過樣本建模集與待測樣本集建立空間映射函數(shù)直接得出線性方程組的解，增強其使用性。