无信息变量消除法研究及实现（Matlab代码实现）

           目录

💥1 概述

📚2 运行结果

🎉3 参考文献

👨‍💻4 Matlab代码

---

💥1 概述

波长变量筛选的方法主要有相关系数法，逐步回归法，无信息变量消除法(UVE)，遗传算法(genetic algorithm,GA)等，其中无信息变量消除法的研究和应用在国内的报道较少。无信息变量消除算法是新的变量筛选方法，该算法最初由Centner等人提出来，并用于NIR光谱数据，其目的是为了减少最终PLS模型中包含的变量数，降低模型的复杂性，改善PLS模型，还与其它相关方法进行了比较，UVE方法得到的结果的SEP最小。

📚2 运行结果

🎉3 参考文献

[1]陈媛媛,王志斌,王召巴.基于无信息变量消除法与岭极限学习机的新型变量选择方法:以CO气体浓度反演为例（英文）[J].光谱学与光谱分析,2017,37(01):299-305.

👨‍💻4 Matlab代码

主函数部分代码：

clear all
clc

%% 训练集/测试集产生
load('RAW.mat');
RAW1=RAW(:,:);
RAW=RAW1(:,1:254);
LLL=RAW1(:,255);
[oo, pp]=size(RAW);
temp = randperm(oo);%训练集和预测集按照3:1分类
P_train = RAW(temp(1:300),:);
T_train = LLL(temp(1:300),:);
P_test = RAW(temp(301:end),:);
T_test = LLL(temp(301:end),:);
X=RAW(:,:);
y=LLL(:,:);

%% 无信息变量消除法实现
[mean_b,std_b,t_values,var_retain,RMSECVnew,Yhat,E]=plsuve(X,y,10,400,254);%10是最佳因子数，400是留一法的次数，一般取样本数，254是加入的随机噪声的波段数，可以取等值也就是样本波段数，其他的参数不用设置