我校尊龙凯时人生就是博z6com与电气工程学院陈争光教授指导的2020级硕士研究生张晓文以第一作者 ，陈争光教授为通讯作者在中科院分区二区期刊《SpectrochimicaActa Part A: Molecular and BiomolecularSpectroscopy》在线发表了题为“Applicationof the combination method based on RF and LE in near infraredspectral modeling”的研究论文（DOI:http://doi.org/10.1016/j.saa.2022.122247 ，文章链接 ：Applicationof the combination method based on RF and LE in near infraredspectral modeling - ScienceDirect） 。

拉普拉斯特征映射算法(LE)是一种非线性降维算法 ，能够保持样本的局部结构特征 ，具有较好的鲁棒性 ，且计算简单 。但是LE算法在将数据从高维映射到低维空间过程中 ，容易受到光谱数据中存在的无关信息和多重共线性的影响 ，至使模型预测性能降低 。随机蛙跳(RF)算法具有消除光谱中噪声和共线性问题能力 。因此 ，本文在使用LE算法前 ，使用随机蛙跳算法消除光谱中的无关信息 ，降低光谱间的相关性将有利于提高LE算法的效果 。利用两组公开的近红外光谱数据集（土壤数据集和药片数据集） ，使用RF+LE算法降维 ，并与单独使用RF 、LE算法比较 ，建立偏最小二乘回归(PLSR)和支持向量机回归(SVR)模型 。实验结果表明 ，相比RF和LE算法 ，采用RF+LE组合的方法能够在降低光谱变量维数和模型复杂度的同时 ，提高回归模型的预测精度和稳定性 ，是一种有效的近红外光谱降维方法 。