摘要
为了提高近红外无创血糖浓度回归的预测精度,首先使用近红外光谱采集人体手指指尖光谱信号,同时用微创血糖仪检测对应血糖浓度;进一步基于高斯核函数与ε-支持向量回归机(ε-SVR)建立无创血糖浓度回归模型,并与偏最小二乘回归(PLSR)模型进行对比分析。通过ε-SVR模型对两名志愿者的实验结果表明:ε-SVR模型对测试集的预测精度有很大的提高,测试集的真实浓度与预测浓度的均方误差低,克拉克误差网格分析中位于A区的概率也均高于99%。
为了提高近红外无创血糖浓度回归的预测精度,首先使用近红外光谱采集人体手指指尖光谱信号,同时用微创血糖仪检测对应血糖浓度;进一步基于高斯核函数与ε-支持向量回归机(ε-SVR)建立无创血糖浓度回归模型,并与偏最小二乘回归(PLSR)模型进行对比分析。通过ε-SVR模型对两名志愿者的实验结果表明:ε-SVR模型对测试集的预测精度有很大的提高,测试集的真实浓度与预测浓度的均方误差低,克拉克误差网格分析中位于A区的概率也均高于99%。
出处
《应用数学进展》
2020年第12期2181-2187,共7页
Advances in Applied Mathematics
