图19移动窗口标准正态变量使用129 nm移动窗口(65测量分)。
通过应用所有的预处理技术相同的样本集记录六个不同的工具和/或光学测量几何图形(分散，干涉仪，反射、透射和光纤探针)使用两个不同的响应(水分和糖)，一些一般性的性能差异是显示(见Tables2和3)。
作为一个非常首先观察，它是安慰，几乎所有的预处理的模型是简单或更简约的(比如，使用更少的请因素)比全球模型、独立的光谱仪建立和独立的响应变量。
第二个一般观察，过滤器的仪器1在反射模式不是竞争在测量杏仁糖样品(RMSEmoisture = 0.75、4潜变量(lv)和RMSEsugar = 2.30，3 lv;但我们需要记住，只有15 32样品测量)和预处理没有帮助，让它回落到其它乐器的水平。过滤器的工具并不是真正的兼容光谱派生技术，但其他预处理技术也未能达到预期的性能。
第三个一般评论可以在全息信息内容的近红外光谱，在这种信息(泛音)会重复出现多次。小光谱范围850 - 1050海里(覆盖着仪器6)，它包含第二泛音的o - h和n h伸展和第三泛音的从完全竞争的延伸与更精密的仪器覆盖完整的或传统的近红外光谱区域。此外，很有趣的一点是，创建的模型从光谱从传输基础仪器6通常是最简单的，甚至在预处理。显然，从密度波动的散射测量样品的传输方式不太苛求比反射散射测量反射模式。当谈到预处理，这是令人惊讶的，与所有其他乐器，欧几里得规范工作得非常好，提供了最好的结果对仪表6(RMSEmoisture = 0.38，3 lv，RMSEsugar = 1.39，5 lv)。原因可能是，这小NIR区域包含所有氢键覆盖从示例和一个规范化的方法从而对应于整合所有的质子信号并设置质子密度样本之间的平等。除了标准化的方法，这似乎是一个很好的预处理，衍生品策略对于这种类型的数据，因为他们可以一直简化模型，特别明显的对于糖预测。
图表 10 32杏仁蛋白软糖样品测量仪器2，在间隔1100 - 2500海里。
对于剩下的全地区近红外光谱仪器2 - 5，我们发现一些有趣的和强大的差异取决于响应变量，大概是因为含水率是一个低分辨率光谱任务而糖含量是一个高分辨率的问题。
对于水分模型、色散仪器2和3几乎总是比模型基于傅里叶变换工具4和5。
最好的整体模型为工具PSNVwindow-width发现2 129预处理(RMSE = 0.30、4 lv)和最好的傅里叶变换模型是发现对仪表5用光纤利用MSC和secondorder参考校正(RMSE = 0.37，5 lv)。当添加一个光纤探针仪器2(=仪器3)，模型的复杂性增加(平均3 lv)。这个大的差异可以分配到更复杂的光学几何后期的系统。此外，性能没有预处理是相同的(RMSE = 0.42)，但预处理的性能的仪器3是劣质(RMSE = 0.37，10个lv使用SNV和MSC)的最好的模型的仪器2。
对于糖模型，情况几乎是逆转。在这里，干涉仪基础仪器4显示始终最好的模型，但更复杂的，大概是由于更好的光谱分辨率的仪器。最好的整体模型对仪表与MSC1st发现4订单ref，二阶波浪预处理(RMSE = 0.92，9 lv)，远比最好的色散结果(RMSE = 1.30、4 lv对仪表2)但也复杂得多。再一次，对于糖模型，添加一个光纤探针仪器2(=仪器3)使得模型劣质和复杂得多(平均两个lv和增加最好的两个模型之间的RMSE从1.22到1.81对于仪器仪表2 3)。
这个移动窗版本的SNV和MSC显示不同的结果。一般来说，移动窗版本给结果类似于或比最好的剩余的预处理方法。然而，顶多10% RMSE是比最好的正常的预处理技术，但窗口选择可能很容易成为一个关键的参数。相比之下，一些次优的移动窗方法都包含在最后三行表2和3。
差异有限差分方法，推导和更复杂的方法是不明显的估计第一导数的一些测量(仪器2、3和6)。这很适合这些系统的平稳行为，表明额外的平滑是没有必要的。这个干涉仪(仪器4和5)有一个更好的光谱分辨率，给上升到一个更高程度的精细结构，导致低信噪比在估计的一阶导数的有限差分法。这最终导致劣质模型。结果，使用有限差分第二衍生品通常是，他们都不如更复杂的方法。这表明在信噪比
7.总结
显然，我们的定量的例子并不能给出权威的回答，比如哪些预处理使用在何种给定的情况下。然而，它确实使用标准化在短波近红外透射光谱是明智的和利用MSC(一阶参考校正)或标准SNV对于大多数其他的一些情况。
虽然很难找到最好的预处理，这的确是可以使用错误的预处理。这主要是因为不正确的参数设置窗口的大小和/或平滑函数估计的衍生品和移动窗技术。
最后，我们强调的任何预处理只是对模型进行一定量的改善，全局建模大约25%在我们的研究中。25%的降价，而可能是重要的工业应用的[29]，这是几乎没有什么使区别在许多多元可行性研究蓬勃发展，在科学文献中，我们可以推荐选择预处理，以实现最佳的，最具有说明的模型。
参考文献
[1] S. Wold， K. Esbensen， P. Geladi， Chemom. Intell. Lab. Syst. 2 (1987) 37.
[2] S.B. Engelsen， E. Mikkelsen， L. Munck， Progr. Colloid Polym. Sci. 108 (1998) 166.
[3] J. Christensen， L. N?rgaard， H. Heimdal， J.G. Pedersen， S.B.
Engelsen， J. Near Infrared Spectrosc. 12 (2004) 63. [4] S. Wold， H. Martens， H. Wold， Lect. Notes Math. 973 (1983) 286.
[5] H. Martens， T. N?s， Multivariate Calibration， Wiley， New York， USA， 1989.
[6] H. Martens， S.A. Jensen， P. Geladi， Multivariate linearity transformations
for near infrared reflectance spectroscopy， in： O.H.J. Christie (Editor)， Proc. Nordic Symp. Applied Statistics， Stokkland
Forlag， Stavanger， Norway， 1983， pp. 205–234. [7] P. Geladi， D. MacDougal， H. Martens， Appl. Spectrosc. 39 (1985) 491.
[8] H. Martens， E. Stark， J. Pharm. Biomed. Anal. 9 (1991) 625.
[9] D.K. Pedersen， H. Martens， J.P. Nielsen， S.B. Engelsen， Appl.
Spectrosc. 56 (2002) 1206–1214.
[10] H. Martens， J.P. Nielsen， S.B. Engelsen， Anal. Chem. 75 (2003) 394.
[11] M. Decker， P.V. Nielsen， H. Martens， Appl. Spectrosc. 59 (2005) 56.
[12] S.N. Thennadil， E.B. Martin， J. Chemom. 19 (2005) 77.
[13] R.J. Barnes， M.S. Dhanoa， S.J. Lister， Appl. Spectrosc. 43 (1989) 772.
[14] I.S. Helland， T. N?s， T. Isaksson， Chemom. Intell. Lab. Syst. 29 (1995) 233.
[15] N.B. Gallagher， T.A. Blake， P.L. Gassman， J. Chemom. 19 (2006) 271.
[16] W. Windig， J. Shaver， R. Bro， Appl. Spectrosc. 62 (2008) 1153.
[17] Q. Guo， W. Wu， D.L. Massart， Anal. Chim. Acta 382 (1999) 87.
[18] M.S. Dhanoa， S.J. Lister， R. Sanderson， R.J. Barnes， J. Near
Infrared Spectrosc. 2 (1994) 43.
[19] K.H. Norris， Extracting information from spectrophotometric
curves - Predicting chemical composition from visible and near
infrared spectra， in： H. Martens， H. RusswurmJr. (Editors)， Food
Research and Data Analysis–Proc. IUFOST Symposium， Applied
Science Publishers， London， UK， 1983， pp. 95–113. [20] K.H. Norris， P.C. Williams， Cereal Chem. 61 (1984) 158.
[21] A. Savitzky， M.J.E. Golay， Anal. Chem. 36 (1964) 1627.
[22] J. Steinier， Y. Termonia， J. Deltour， Anal. Chem. 44 (1972) 1906.
[23] H.H. Madden， Anal. Chem. 50 (1978) 1383. [24] A. Proctor， P.M.A. Sherwood， Anal. Chem. 52 (1980) 2315.
[25] P.A. Gorry， Anal. Chem. 62 (1990) 570.
[26] T. Isaksson， B.R. Kowalski， Appl. Spectrosc. 47 (1993) 702.
[27] C.A. Andersson， Chemom. Intell. Lab. Syst. 47 (1999) 51.
[28] R. Wehrens， H. Putter， L.M.C. Buydens， Chemom. Intell. Lab. Syst. 54 (2000) 35.
[29] C.B. Zachariassen， J. Larsen， F. van den Berg， S.B. Engelsen，
Chemom. Intell. Lab. Syst. 76 (2005) 149.