基于结构风险最小化的加权偏最小二乘法

为了在偏最小二乘法(PLS)建模过程中实现结构风险最小化(SRM),提出基于结构风险最小化的加权偏最小二乘法(WPLS)。WPLS先提取训练样本中的主元,然后使用支持向量机(SVM)训练算法计算训练样本权值,最后计算原始论域中的回归模型。该算法保留了PLS能有效地提取对系统解释性最强的信息的优点,并通过样本权值提高模型的泛化能力,从而实现SRM准则,所建立的模型具有可解释性。仿真计算证明了模型的有效性。

元素缺损偏最小二乘法的程序实现及应用

元素缺损加权偏最小二乘法较通常采用交互证实来确定主成分数的PLS法更好地解决了主成分数的确定问题.用MATLAB设计该算法程序,简化了编程.应用编制的程序对制冷系统的生产数据进行回归、预测,结果令人满意.

基于局部加权偏最小二乘的近红外光谱分析方法研究

针对近红外光谱分析技术中分析对象非线性现象突出的情况,提出了一种新的模型计算方法——局部加权偏最小二乘法(LWPLS)。以安胎丸为研究对象,采用LWPLS算法进行其近红外定量模型的建立,并比较偏最小二乘法(PLS)与LWPLS两种算法建立定量模型的精度。结果测得两种算法建立的校正模型中,阿魏酸的模型相关系数(R2)分别为0.7855、0.9719,预测误差均方根(RMSEP)分别为0.1266、0.0438,相对预测误差(RE)分别为12.66%、9.18%;洋川芎内酯A的R2分别为0.8864、0.9649,RMSEP分别为0.1148、0.0771,RE分别为14.01%、7.81%,显示LWPLS算法建立的模型精度更高。研究表明,采用LWPLS算法可提高安胎丸定量模型的准确性,具有可推广性和广泛的应用性。

偏最小二乘法中主成分数确定的新方法

目的 :合理地确定偏最小二乘法中的主成分数。方法 :基于对应加权原理建立了适用于矩阵元素缺损数据的加权偏最小二乘算法 ,将此算法应用于按矩阵元素分组的交互证实 (Cross validation) ,根据最大熵原理采用方差平方和σ2 (自变量矩阵残差的平方和 /自由度 )作为主成分数的判据。结果与结论 :通过对Monte Carlo法产生的多组分分光光度数据进行计算 ,与常规的偏最小二乘法相比更加符合理论值 。

中央空调系统运行的数据分析与优化策略研究

文章选取热带地区某城市的一套中央空调系统数据,通过对中央空调系统各指标之间的关系进行分析,借助SAS、SPSS和MATLAB软件,采用概率抽样的方法,构建基于加权偏最小二乘法的中央空调系统变量关系模型,计算模型最优解,给出中央空调系统的最优控制策略,实现中央空调系统的智能控制与节能的目的。

基于近红外光谱的烟叶烘烤过程质体色素实时监测

质体色素的降解变化是烟叶香气物质形成的基础之一。为解决烟叶烘烤调制过程中质体色素无法快速准确测定的问题,基于近红外光谱技术(NIRS)的优势,利用竞争自适应重加权采样法(CARS)进行光谱特征波长选择,并结合偏最小二乘法(PLS)构建了烟叶烘烤过程叶绿素和类胡萝卜素含量的动态变化模型。结果表明,CARS-PLS模型能获得较全谱偏最小二乘(PLS)、连续投影偏最小二乘(SPA-PLS)、遗传算法偏最小二乘(GA-PLS)及蒙托卡洛无信息变量删除偏最小二乘(MC-UVE-PLS)更好的模型性能,其烟叶叶绿素和类胡萝卜素模型预测相关系数分别为0.924、0.908,预测均方根误差分别为0.789、0.321μg/cm^(2),模型能满足实时定量分析的需要。因此,采用NIRS技术结合CARS-PLS能快速准确测定烘烤过程烟叶质体色素的变化,可为烟叶密集烘烤调控提供参考依据。