近期，中國(guó)科學(xué)院合肥物質(zhì)科學(xué)研究院智能機(jī)械研究所離子束生物工程與綠色農(nóng)業(yè)研究中心研究員吳躍進(jìn)課題組圍繞近紅外光譜分析技術(shù)，提出基于組合移動(dòng)窗口和智能優(yōu)化算法相結(jié)合的變量選擇算法。相關(guān)研究結(jié)果在線發(fā)表在Spectrochimica Acta Part A：Molecular and Biomolecular Spectroscopy上。 

近年來(lái)，隨著光譜技術(shù)的發(fā)展，光譜數(shù)據(jù)呈現(xiàn)數(shù)量高、維度高、復(fù)雜度高等特點(diǎn)。光譜數(shù)據(jù)中包含大量的噪聲和干擾變量，且當(dāng)樣本數(shù)量遠(yuǎn)小于變量數(shù)量時(shí)，尋找最優(yōu)變量子集將成為NP-hard問(wèn)題，對(duì)光譜數(shù)據(jù)挖掘和光譜定量分析提出挑戰(zhàn)。提取關(guān)鍵變量信息、減少數(shù)據(jù)維度，不僅可以提高光譜定量分析能力，而且可以選取特征光譜，降低儀器研發(fā)成本，提高經(jīng)濟(jì)效益。 

該研究改進(jìn)傳統(tǒng)粒子群算法（PSO），提出變維度的粒子群算法（VDPSO），結(jié)合組合移動(dòng)窗口策略，實(shí)現(xiàn)光譜數(shù)據(jù)變量的快速選擇。該算法可在不同維度搜索數(shù)據(jù)空間，降低限入局部極值和過(guò)擬合的風(fēng)險(xiǎn)。通過(guò)與四種高性能變量選擇算法BOSS、VCPA、iVISSA和IRF比較，發(fā)現(xiàn)該算法可選擇出最優(yōu)的光譜信息，提升模型的預(yù)測(cè)能力，有望進(jìn)一步應(yīng)用于基因組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)和定量構(gòu)效關(guān)系（QSAR）等學(xué)科數(shù)據(jù)分析中。

研究工作得到安徽省重點(diǎn)研究開(kāi)發(fā)計(jì)劃、中科院戰(zhàn)略性先導(dǎo)科技專項(xiàng)和國(guó)家自然科學(xué)基金等的支持。 

論文鏈接：https://doi.org/10.1016/j.saa.2020.118986