作为二次分析方法, 近红外光谱分析的重现性和可靠性非常依赖于建模过程。 以近红外光谱小麦蛋白质定量分析模型为例, 研究了多变量定标建模过程中异常样本问题, 旨在讨论复杂样本建模中的样本对模型的影响和作用。 以PLSR算法建模中校正方差与验证方差的解释百分比曲线的背离特性作为异常样本存在的判据, 当两个百分比曲线显著偏离时, 则认为样本集中存在异常样本, 并对建模产生了显著影响。 异常样本的识别和处理, 以及影响分析是本文主要的创新性工作, 采用了基于样本删除的子模型遍历统计方法, 能够渐次识别并提取出异常样本。 在剔除异常样本后的模型预测结果中, 以模型的预测残差标准差作为参考距离对异常样本进行了离群程度分级, 可分为显著离群样本, 相对离群样本以及潜在离群样本, 数据集中显著离群样本约占7.8%, 相对离群样本约占15.6%。 异常样本对模型的影响表现在对正常样本的预测残差上, 使预测值偏离理想拟合直线, 分散性增加。 剔除异常样本或以样本权重建模可有效抑制异常样本的影响, 使模型的解释性更偏向于多数样本数据, 降低模型的经验风险误差。

激光粒度测量中,当样品到透镜的轴向距离较大时,由于透镜口径有限,会因渐晕而降低测量的精度和准确度。针对这种问题,应用灰色系统理论事先检验数据,来判断渐晕点位置,然后通过建模对渐晕点后的衍射光能信号进行灰预测,从而修正渐晕的影响。通过对距透镜不同位置处的粒子板进行测量,用灰色系统建模和无模式算法处理数据验证了该方法的有效性。这种方法可以提高距离镜头较远或覆盖范围较大的样品的测量准确度和精度。

针对天空背景下低信噪比的飞行器，提出了一种基于SUSAN算法、灰色系统理论和数学形态学相结合的飞行器结构特征提取的新方法。在Visual C++6．0平台下，首先利用SUSAN算法从背景中提取飞行器的结构边缘信息，并与原图像相加实现目标增强；然后用灰色系统理论检测出飞行器的结构特征边缘；最后利用条件膨胀和重构算法，实现云层的抑制，并重构出飞行器目标。实验结果表明：该方法对于实现飞行器的跟踪、结构特征提取以及事后判读有重要的意义，同时验证了该方法的可行性。