收录：
摘要：
本发明提出了基于DWT‑CARS‑MC‑PLS的药品API预测方法。该方法大致分为三个阶段：1.双波段变换(包括四种方式，差分系数DI、比值系数RI、归一化差分系数NDI和综合二维相关谱i2DCOS)可以解决模型在一维光谱上的信息少、不利于建模的问题。2.采用竞争性加权自适应采样策略根据偏最小二乘回归模型(PLS)的拟合情况提取重要波长特征，减少了人为特征选择的主观性误差。3.使用集成学习的思想，使用T次蒙特卡洛迭代建立T个PLS子模型，将这些子模型的预测结果的均值作为整个模型的预测结果。通过在公开的tablet数据集上进行5次不同划分的重复实验并与药品定量分析中常用的机器学习方法相比，证明了本发明方法的有效性。
关键词：
通讯作者信息：
电子邮件地址：
