摘要针对藻类荧光光谱解析中常见的信息冗余和光谱相关性问题，基于偏最小二乘（ＰＬＳ）的方法，提出了区间蒙特卡罗偏最小二乘（）方法，有效地解决了特征波长的选取问题。

一段用于光谱分析波段选择的无信息变量消除算法matlab代码。

光谱特征波段选择—无信息变量消除uve.rar

UVE提取特征，数据为高光谱数据，感兴趣区域数据，最后一列为标签

基于无信息变量消除法的啤酒总酸短波近红外光谱测量波段的选择，冯旭东，苏蕊，采用无信息变量消除法（UVE）对啤酒总酸的短波近红外光谱测量波段进行优选，在500.0 ~ 1100.0 nm的波长范围内筛选出3段光谱区域（981.0 ~ 9

利用中红外光谱检测技术对甲醇汽油中的甲醇含量进行检测研究。由于中红外光谱易受外界环境干扰且数据量较大,为减小运算量并提高模型精度,采用无信息变量消除( UVE)法、竞争性自适应重加权取样(CARS)法以及遗传算法(GA算法)等来选择有效光谱波段,再建立对应的偏最小二乘(PLS)模型,最后分别建立PLS、UVE-PLS、GA-PLS和CARS-PLS模型,探索最优的甲醇含量检测模型。结果表明:CARS-PLS模型效果最好,预测相关系数和预测均方根误差分别为0.978和1.177。CARS算法是一种有效提取甲醇含量的中红外光谱检测方法,采用中红外光谱检测技术测定甲醇汽油中的甲醇含量是可行的,可以有效简化运算模型,提高模型检测精度。

采用无信息变量消除法（UVE）对变量进行筛选，筛选出最重要的变量信息。

蒙特卡罗-无信息变量消除 特征提取 偏最小二乘建模