近日，中国科学院合肥物质院智能所光谱智能感知团队提出了一种新型的多权重优化软收缩（MWO-BOSS）变量选择方法，用于化学计量学应用中的变量选择。相关研究成果已在分析化学领域期刊Infrared Physics & Technology上发表。
随着光谱分析检测技术和光谱仪器的发展，光谱技术已广泛应用于诸多领域。在光谱建模的定性定量分析中，从复杂的高维光谱数据中提取特征信息，不仅可以降低噪声和无关变量对分析结果的影响，提高模型预测能力，也可以为开发低成本、多通道光谱检测仪器奠定基础。但从高维变量空间中选择最有效的波长组合（NP-hard问题）来建立光谱预测模型仍具有挑战性。
为了进一步提高变量选择的有效性，科研团队在BOSS算法框架的基础上，提出了MWO-BOSS算法。该算法结合SR、VIP、Freq、SQR、RC、sMC六种权重矢量，使用阈值搜索策略寻求最优权重矢量，提取光谱中有效信息。在玉米、土壤、啤酒等公开数据集与多种高性能变量选择算法的性能做了测试。研究结果表明该算法可以高效地选择变量并显著提高模型的预测能力。
张鹏飞博士和徐琢频博士为第一作者，王琦研究员和刘赞副研究员为通讯作者。本工作得到国家自然科学基金、安徽省重大专项等项目的支持。
原文链接: https://www.sciencedirect.com/science/article/pii/S135044952300258X
MWO-BOSS算法流程图
