A Simplified Algorithm of PLS Regression

This paper describes a simplified algorithm of PLS regression, which can obviously reduce the computation of some parameters and simplify the computing procedure. Moreover, the new optimistic rule of this method provides a new explanation to the result of PLS regression.

PLS回归方法及其医学应用

目的 探讨PLS回归理论及其在医学中的应用。方法 利用PLS回归NIPALS算法和Helland算法 ,对医学实例进行分析。结果 两种算法所得PLS回归模型均可达到较好的拟合和预测效果。结论 样本自变量间存在共线性 ,甚至由于某些原因出现自变量个数较多而观察例数较少的情况 ,PLS回归是一种值得推广应用的多元回归方法。

BiPLS结合GA优选可见/近红外光谱MLR变量

利用反向区间偏最小二乘法(BiPLS)定位光谱糖度若干信息区间,运用遗传算法(GA)从中选择波长点,建立了多元线性回归(MLR)模型。光谱进行卷积平滑和二阶导数处理后,将光谱(225个数据点)分割成25个子区间时,BiPLS优化结果最优。在所定位的信息区间进行GA二次选择特征变量,运行100次依次选择入选频率较高的12个波长点。为简化MLR模型,对于入选的相邻波长选择频率较高者,最后选择638,734,752,868,910,916和938nm作为回归变量,建立的MLR预测模型相关系数(R2)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.984,0.364和0.471,优于常用的逐步多元线性回归的建模结果。表明BiPLS结合GA可以有效地对李子糖度可见/近红外光谱MLR回归变量进行筛选,提高了模型的精度。

PLS回归在消除多元共线性中的作用

目的 探讨PLS回归理论在消除多元共线性中的作用。方法 利用PLS回归NIPALS算法 ,对医学实例进行分析。结果 NIPALS算法所得PLS回归模型可达到较好的拟合和预测效果。结论 当样本自变量间存在多重共线性时 。

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。

应用遗传算法和PLS的近红外光谱预测玉米中淀粉含量的研究

以普通玉米籽粒为试验材料,在应用遗传算法结合偏最小二乘回归法对近红外光谱数据进行特征波长选择的基础上,应用偏最小二乘回归法建立了特征波长测定玉米籽粒中淀粉含量的校正模型.试验结果表明,基于11个特征波长所建立的校正模型,其校正误差(RMSEC)、交叉检验误差(RMSECV)和预测误差(RMSEP)分别为0.30%、0.35%和0.27%,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别达到0.9279和0.9390,与全光谱数据所建立的预测模型相比,在预测精度上均有所改善,表明应用遗传算法和PLS进行光谱特征选择,能获得更简单和更好的模型,为玉米籽粒中淀粉含量的近红外测定和红外光谱数据的处理提供了新的方法与途径.

光谱多元分析校正集和验证集样本分布优选方法研究

分析了校正集和验证集样品数随性质分布不均匀性对光谱多元分析校正的不良影响,揭示了实际光谱多元校正中"均值化"现象,即性质值小的样本预测值结果偏大,性质值大的则偏小,提出了一种优选样品新方法—Rank-KS。其综合考虑光谱空间和性质空间对样本进行挑选,将性质空间平均分为若干小区间,在每个小区间内分别利用Kennard-Stone法和随机法进行校正集和验证集样本的挑选,这样得到的校正集和验证集可明显改善样本数随性质分布的均匀性。以红外光谱测定汽油中碳酸二甲酯(DMC)含量和近红外光谱测定二甲亚砜溶液二甲亚砜浓度为研究对象,分别采用Rank-KS、随机法、Kennard-Stone、浓度梯度法和SPXY等方法选择校正集和验证集样品,使用多元线性回归和偏最小二乘法建立模型,比较这些方法对光谱多元校正分析的影响,结果表明Rank-KS方法可改善校正集和验证集样品数随性质分布的均匀性;对于样本数分布中间局部样本多和两端局部少、或者局部没有样本的样本集,使用Rank-KS算法挑选校正集,无论使用MLR还是PLS1建立多元分析模型,均能明显改善其模型预测能力,使得到的模型的预测均方根最小。

遗传算法用于变量筛选

利用遗传算法的优越搜索寻优特性，结合有序Gram－Schmidt正文化及PLS算法可得到预报能力较强的模型，即PRESS（预报残差平方和）值较低的模型．该法可用于处理构效关系及人发微量元素与性别关系问题，并与正交递归选择法及逐步回归正向选择法进行比较，结果良好．

改进的偏最小二乘回归推荐算法

基于已有的相关PLS算法,提出了针对QSAR研究和工业过程控制建模的环境要求的PLS回归改进算法:加强递归PLS算法.模拟实验结果表明:在实时建模过程中,该算法的性能优于传统的PLS回归算法.

基于最小二乘支持向量回归的鹅肉弹性的可见-近红外光谱测定

为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(least square support vector for regression,LSSVR)建立鹅肉弹性的预测模型。试验以万能试验机获取恢复距离S作为鹅肉弹性实际值。在模型建立过程中,先利用sym8小波的2层分解对原始的可见-近红外光谱进行光谱预处理;然后用siPLS优选出4个特征光谱子区间(分别为第3、5、9、13子区间),在这4个特征光谱子区间内继续用GA优选出74个特征波长,并建立基于LSSVR的鹅肉弹性的预测模型。模型预测集的决定系数(R2)和预测均方根误差(root mean squarederror of prediction,RMSEP)分别为0.9096和0.0588。试验结果表明,siPLS结合GA法能够有效提取光谱中的鹅肉弹性对应的特征波长,有利于提高LSSVR模型预测鹅肉弹性的精度。

近红外反射光谱学在岩石矿物研究中的应用 Ⅱ.快速测定地质样品中有机质

利用偏最小二乘法回归的多变量校正方式,建立了应用近红外反射光谱学方法无损快速测定各种地质样品中有机质的模型。设计了多重散射光校正、标准正常变量转换及导数光谱,扣除额外基线和重叠信号的影响,分离出与有机质含量有关的光谱信息。大多数地质样品的有机质近红外反射光谱估算结果与化学法符合。

近红外反射光谱学在岩石矿物研究中的应用 Ⅰ.快速测定地质样品中化合水

应用近红外反射光谱学方法无损快速测定了各种地质样品中化合水。使用偏最小二乘回归法,在近红外波长范围分离出与化合水含量有关的光谱信息。大多数地质样品的近红外反射光谱估算结果与重量法吻合。实验结果表明,近红外反射光谱学测定地质样品中化合水更简单、更容易。

近红外反射光谱学在岩石矿物研究中的应用 Ⅲ.快速测定地质样品中二氧化碳

使用一组不同岩石矿物性质的25个地质样品,研究了地质样品中二氧化碳含量和近红外漫反射光谱的关系。利用多重散射光校正、标准正常变量转换及导数光谱等化学计量统计学方法,预处理了漫反射光谱数据,获得了偏最小二乘法(PLS)回归的多变量校正方法,建立了应用近红外(NIR)反射光谱学方法无损快速测定各种地质样品中二氧化碳模型。从光谱特性方面解释了大多数进入多变量校正模型的波长与碳酸盐矿物的CO2-3基团光谱吸收有关。NIR估算结果表明,应用二氧化碳校正模型来定量分析地质样品中二氧化碳的方法是可行的。

红外光谱法测定东亚飞蝗蛋白质含量的研究

采用近红外光谱和中红外光谱技术测定不同个体东亚飞蝗的蛋白质含量.以化学分析值作参比,采用偏最小二乘回归算法,在近红外、中红外及全波段光谱范围内分别建立东亚飞蝗光谱信息与蛋白质含量定量模型.预测结果表明,利用红外光谱技术可实现对可食昆虫类蛋白质含量的快速检测,检测过程比传统化学检测法简捷高效,且中红外光谱区域的建模效果优于近红外光谱区域.该研究为快速检测可食昆虫类蛋白质含量提供了借鉴.

多组分溶液近红外光谱检测算法研究

利用下一代红外光谱检测仪MEMS-FTIR,在基于近红外波段1 000—2 100 nm区域对多组分糖溶液进行检测,通过开源平台的R语言对实验中的近红外光谱数据进行数据分析和PLS算法研究,为下一代快速、便携式、移动平台光谱数据分析奠定基础。本次研究主要使用具有开源性质的R语言和近红外光谱PLS算法,PLS算法可以显著提高近红外光谱回归模型的有效性。在建立回归模型后,对模型的RMSEP系数和R2系数进行分析和比较,结果表明建立的多组分糖浓度的PLS回归模型拟合程度较高。