遗传算法-偏最小二乘法用于卵巢癌血清蛋白质组数据的特征挑选

统计学t检验结合引入的变量筛选方法——遗传算法-偏最小二乘法(GAPLS)对卵巢癌SELDI-TOF MS数据进行特征筛选,从15154个原始变量中筛选得到4个特征质荷比值,采用支持向量机(SVM)模型的留一法交叉验证结果为95.26%.结果表明这4个质荷比值具有重要的生物学意义,它们或许可以作为卵巢癌的生物标记物,同时GAPLS可以作为一种有效的蛋白质组数据的特征筛选方法.

改进的量子遗传偏最小二乘特征选择方法应用

针对量子遗传偏最小二乘法在特征选择过程中,存在初始化种群粗糙和适应度函数复杂等问题,提出了一种新的特征选择方法——改进的量子遗传偏最小二乘法(Improved Quantum Genetic Algorithm Partial Least Square,IQGAPLS)算法。该算法根据求解问题的实际情况,赋予种群初始值。同时,设计了一种新的适应度函数,以减少计算量,并基于此适应度函数,提出了一种新的旋转角度更新公式,解决了其方向和大小确定困难的问题。将该算法应用于轴向柱塞泵故障信号的特征选择中。实验结果表明,IQGAPLS算法具有较少的计算量和较短的执行时间,选择出的特征包含更多的工作状态信息,从而提高了分类准确率。

基于可见反射光谱和遗传区间偏最小二乘法的血迹年龄预测研究

精确的血迹年龄预测具有重大的法医学价值。利用可见反射光谱技术与偏最小二乘法（PLS）相结合分析预测血迹年龄。遗传算法与偏最小二乘法相结合被用来选择有效光谱区间。与全光谱PLS模型相比较,建立在优化光谱区间的遗传区间偏最小二乘法（GA-i PLS）模型具有更好的预测能力。结果表明GA-i PLS能合理地选择有效光谱区间,提高预测能力。在考虑取自不同个体血迹特异性的情况下,建立在2.00~48.00 h时间段和48.00~1080.00 h时间段的GA-i PLS模型的相关系数（Rp）、预测标准误差（RMSEP）和剩余预测偏差（RPD）分别为0.9949/0.9924、1.59 h/43.56 h、10.32/8.42。两个GA-i PLS模型的结合可代替建立在2.00~1080.00 h时间段的GA-i PLS模型精确预测2.00~1080.00 h时间段的血迹年龄。结果表明可见反射光谱与GA-i PLS模型在法医学领域可成为一种可靠的精确预测血迹年龄的方法。

基于最小角回归与GA-PLS的NIR光谱变量选择方法

近红外(NIR)光谱一般具有较多的波长变量数,对其直接或间接地进行变量选择是提高模型稳定性能及预测性能的关键。最小角回归(LAR)是一种相对较新和有效的机器学习算法,常用于进行回归分析和变量选择。面向光谱建模应用,提出一种LAR结合遗传偏最小二乘法(GA-PLS)的变量选择方法,可有效筛选出少数特征波长点。首先在全光谱区利用LAR消除变量间的共线性得到初筛波长点,然后用GA-PLS对LAR筛选出的波长点进一步优选从而得到最终建模用的特征波长点。为验证本文方法的有效性,以药片和汽油的近红外光谱回归分析作为应用案例,对原光谱进行预处理后,采用该方法进行变量筛选,然后分别建模其中的活性成分含量和C10含量。结果显示,在这两个应用中,最终优化得到的特征波长点数均只需七个,而两者的预测决定系数R2p分别达到0.933 9和0.951 9,与全光谱、无信息变量消除法(UVE)和连续投影算法(SPA)等方法相比,特征波长点更少,同时R2p和预测均方根误差RMSEP值更优。因此,LAR结合GA-PLS,能有效地从近红外光谱中选择出信息变量从而减少建模波数,提高预测精度,拥有较好的模型解释性。该方法可为特定领域的专用光谱仪设计提供有效的波长筛选工具。

基于MCC-GAPLS-PLSR的辣椒叶绿素含量高光谱定量反演

为了准确监测辣椒生长,本研究对辣椒冠层光谱反射率进行对数处理、倒数处理、倒数的对数处理、连续统去除处理、一阶微分处理、二阶微分处理,并与SPAD值进行相关性分析,用最大相关系数法(MCC)选取相关性较好的特征波段生成特征波段数据集,再用遗传算法-偏最小二乘法(GAPLS)进行降维得到最优特征波段组合,采用偏最小二乘法(PLSR)、反向传播神经网络(BPNN)、随机森林(RF)和最小二乘支持向量机(LSSVM)4种机器学习算法构建辣椒叶绿素含量反演模型。结果表明,最优波段和对应处理分别为700 nm(原始光谱)、699 nm(对数处理)、713 nm(连续统去除处理)、500 nm(二阶微分处理)、713 nm(二阶微分处理)。GAPLS的降维效果较好,与降维前相比PLSR模型的精度提升率最高,R^(2)、RPD分别提升了82.22%、136.98%,RMSE降低了29.96%。4种模型中,GAPLS降维处理后的PLSR模型的精度最好,R^(2)、RMSE和RPD分别为0.82、1.94、4.55。本研究构建的MCC-GAPLS-PLSR模型具有较好的反演潜力,适用于研究区辣椒叶片叶绿素含量测定,推动辣椒高效种植。

基于傅里叶变换红外光谱和siPLS-GA-PLS的水稻叶片氮素含量预测研究

傅里叶变换中红外光谱谱区宽,搜索空间大,需要采用高效率和高质量的算法进行波长选择.敏感波段及其组合的选择是简化分析模型和提高模型预测精度的关键技术之一.本研究以水稻孕穗期叶片干样的中红外光谱透射率和叶片氮素含量为数据源,通过协同偏最小二乘算法（siPLS）从宽谱区中初选出波段范围1583.3-992.2cm^-1,再采用迭代遗传算法（GA）从中选出了84个水稻叶片氮素含量预测的敏感波段.研究结果显示以此敏感波段建立的偏最小二乘回归模型的预测均方根误差（RMSEP）和水稻叶片总氮含量的测量值与预测值之间的相关系数分别为0.1186和0.9120,该预测结果明显优于协同偏最小二乘法（siPLS）和光谱指数NFSA的预测结果,说明傅里叶变换红外光谱技术结合siPLS-GA-PLS算法能够实现水稻叶片氮素含量的预测.

基于可见-近红外光谱变量选择的荒漠土壤全磷含量估测研究

以新疆艾比湖湿地保护区采集的300个荒漠土壤样品为研究对象,利用ASD Field Spec○R3HR光谱仪获取的土壤可见-近红外光谱数据以及化学分析获取的土壤全磷数据为数据源,将原始光谱数据经过卷积平滑、标准正态变量变换以及一阶微分预处理后,采用蚁群-遗传结合区间偏最小二乘法提取荒漠土壤全磷含量特征波长,构建土壤全磷含量偏最小二乘回归预测模型;并与全谱偏最小二乘、蚁群-区间偏最小二乘、遗传-偏最小二乘模型进行比较。结果表明：经蚁群-区间偏最小二乘法筛选后,荒漠土壤全磷特征波段为500~700,1 101~1 300,1 501~1 700,1 901~2 100nm;进一步采用遗传-区间偏最小二乘法进行变量选择,得到共线性最小的13个有效波长,分别为：1 621,546,1 259,573,1 572,1 527,564,1 186,1 988,1 541,2 024,1 118和1 191nm。建模方法比较显示,采用蚁群-遗传结合区间偏最小二乘法选择的特征变量,建立的模型精度最高,其次是遗传算法、蚁群算法和全光谱。蚁群-遗传结合区间偏最小二乘法建立的土壤全磷含量的模型,效验证均方根误差RMSECV以及预测集均方根误差RMSEP分别为0.122和0.108mg·g-1,效验证相关系数Rc以及预测集的相关系数Rp分别为0.535 7,0.555 9。因此,经过卷积平滑、标准正态变量变换以及一阶微分预处理,并利用蚁群-遗传结合区间偏最小二乘法建立的模型不仅简单,而且具有较高的预测精度和较好的稳健性,可以估算荒漠土壤全磷含量。

基于嗅觉可视化的鲳鱼TVB-N预测模型

采用半微量凯氏定氮法对4℃恒温下储藏的冰鲜鲳鱼的TVB-N进行检测,同时利用嗅觉可视化技术提取其挥发性气味信息,将嗅觉可视化传感器阵列与鲳鱼挥发性气体发生反应前后的RGB颜色变化值作为传感器响应值,分别建立TVB-N的偏最小二乘法(PLS)、遗传偏最小二乘法(GA-PLS)预测模型.经比较,GA-PLS模型预测效果更优,预测集相关系数达到0.851 7;可视化传感器阵列响应信号与TVB-N之间存在较高的相关性,可以快速预测出鱼储藏期间TVB-N变化,从而无损评价鱼的新鲜度.

量子GA-PLS特征选择算法及其应用

为进一步提高遗传算法-偏最小二乘法的计算速度和计算效率,将量子算法融合到遗传算法-偏最小二乘法中,提出一种新的特征选择方法;量子遗传算法-偏最小二乘法(Quantum genetic algorithm-partial square least,QGA-PLS)算法。该方法利用量子态和叠加态原理对染色体进行编码,采用量子旋转门进行遗传操作,以实现参数的更新和增强种群多样性.同时,用量子计算重新构建了偏最小二乘法回归模型来计算个体适应度,以充分发挥快速收敛和全局优化能力.将方法应用于函数极值优化和Iris数据集的特征选择,实验结果表明,QGA-PLS在特征选择、运算时间和分类准确率方面优于QGA和GA-PLS,从而验证了QGA-PLS算法的有效性.

基于小波包变换和GA-PLS算法的故障特征选择方法

为了提高故障诊断的分类精度,减小分类运算时间等问题,需要从原始特征集合中选择出更为优化的特征子集合,因此,提出了一种基于小波包变换和GA-PLS算法的特征选择方法。首先,采用小波包变换对提取出的振动信号进行分解,从而得到小波包的分解系数;其次,运用遗传算法-偏最小二乘法从原始信号和小波包系数的统计学特征中选择出最优特征集;最后,将最优特征集作为输入,输入到支持向量机中以实现对不同故障的诊断与识别。应用于轴向柱塞泵故障诊断中,与现有特征选择方法对比,实验结果验证了本研究特征选择方法的有效性。

基于EMD与GA-PLS的特征选择算法及应用

针对振动信号非平稳性和特征优化选择的问题,提出一种基于EMD和GA-PLS的特征选择算法。在该算法中,首先,采用EMD方法将振动信号分解成多个固有模态函数(Intrinsic Mode Function,IMF),对IMF分量建立自回归(AR)模型,以AR模型系数和残差作为初始特征向量,然后,遗传算法与偏最小二乘法相结合(GA-PLS)的算法对初始特征向量进行筛选得到新的特征向量,最后,以新的特征向量为输入,建立分类器,用来识别手动换向阀的工作状态和判断故障类型。实验结果表明,采用该特征选择算法能准确地选择出特征,并能应用于手动换向阀的故障诊断。

基于M-QSPR的含甲苯汽油辛烷值理论预测研究

从分子结构角度出发,针对含甲苯汽油辛烷值展开了混合物构效关系(M-QSPR)研究。应用SiRMS(Simplex Representation of Molecular Structure)描述符对含甲苯汽油混合体系的结构信息进行表征,运用遗传算法-偏最小二乘(GA-PLS)组合算法对SiRMS描述符进行筛选和建模,得到了相应的研究法辛烷值(RON)预测模型和马达法辛烷值(MON)预测模型型。随后对模型进行验证、应用域分析和机理解释。结果表明,两个预测模型均具有较优的稳定性和预测能力。两个预测模型对其测试集的预测复相关系数分别为0.999和0.987,均方根误差分别为0.714和1.248。此外本研究揭示了影响含甲苯汽油辛烷值的主要结构因素及其影响规律。本文研究方法的提出为工程上提供了一种根据分子结构预测含甲苯汽油辛烷值的新方法。

基于量化反应性指数的氨基甲酸酯类农药定量构效关系研究

氨基甲酸酯类农药被广泛用于农业生产中,其作用机理主要是通过与乙酰胆碱酯酶共价结合,从而抑制其正常的生物活性,但此类农药的无节制使用导致其大量残留于生态环境中,对整个生态系统的生存安全造成了严重威胁。本文作者基于量化反应性指数,采用遗传/偏最小二乘法,对氨基甲酸酯与其对乙酰胆碱酯酶的抑制活性进行了定量构效关系研究。结果表明:预测方程的决定系数(R^(2))均在0.8以上,采用留一法和自举法交叉验证的R^(2)均在0.7以上;一致性模型的R^(2)为0.823,均方根误差为0.369,获得了较好的预测模型。同时发现,量化反应性指数的引入有效增强了模型的可解释性,有助于进一步探索和验证氨基甲酸酯与乙酰胆碱酯酶的作用机理。本文所得到的模型可为氨基甲酸酯类农药的活性预测和风险评估提供理论依据。

近红外光谱结合极限学习机和GA-PLS算法检测普洱茶茶多酚含量

利用近红外光谱技术检测普洱茶中茶多酚的含量,首先通过遗传偏最小二乘法(GA-PLS)筛选出表征茶多酚含量的特征波数点,并进行主成分分析,然后建立极限学习机(ELM)预测模型。研究得到的最佳ELM预测模型涉及40个变量,主成分分析后以第1、第2主成分作为输入,以Sigmoidal函数为隐含层神经元激励函数,隐含层神经元个数确定为13。模型的交互验证均方根误差值、预测集均方根误差值和预测集相关系数R2分别为1.0109、1.6686和0.9705,预测性能明显优于全光谱偏最小二乘模型和遗传偏最小二乘模型。说明利用近红外光谱技术结合极限学习机和遗传偏最小二乘法可以很好地预测普洱茶中茶多酚的含量。

基于可视化嗅觉技术的鲢鱼K值快速无损检测研究

尝试采用可视化嗅觉技术对鲢鱼K值进行快速定量预测。利用可视化嗅觉技术对4℃恒温条件下不同冷藏天数的鲢鱼进行无损检测,获取可视化传感器阵列对样品顶空挥发性气体的响应信号;同时,利用高效液相色谱法检测鲢鱼体内三磷酸腺苷关联物的含量,算出K值;然后,采用偏最小二乘法(Partial least squares,PLS)和遗传算法偏最小二乘法(Genetic algorithm-partial least squares,GA-PLS)建立基于鲢鱼气味特征信息与K值的定量预测模型。结果显示,经遗传算法(GA)优化后原变量可从48个减少到18个,传感器可减少至11种;利用筛选出的变量建立的GA-PLS模型对鲢鱼K值的预测效果更好,预测均方根误差RMSEP=0.04,预测集相关系数Rte=0.93。研究结果表明,鲢鱼K值的实测值与预测值的相关性很高,可视化嗅觉技术能够用于定量预测鲢鱼K值。本研究为鱼类鲜度检测提供了一种准确、快捷、低成本的无损检测方法。

茉莉酸类化合物的QSPR研究

茉莉酸是一种新型植物激素,在植物生长及抵御外界侵害方面起着重要作用。本研究利用Cerius^2分子模拟软件,分别用遗传算法和遗传偏最小二乘法建立定量结构-性质关系,所得模型通过显著性及预测能力的检测。结果表明,预测性能较好,对合成不同结构的茉莉酸类化合物,从中筛选出活性较高的植物诱抗剂,以及开发新型的能激发植物自身免疫系统起作用的无污染、高效率的生态农药,在理论上有一定的指导意义,从可持续发展的眼光来看,提供了一种环境友好的无公害治虫新途径,符合可持续控制农业病虫害的目标。