改进的基于子空间划分的模糊系统模型

针对模糊系统建模过程中实现结构风险最小化问题,提出改进的基于子空间划分的模糊系统模型（SPFS）.使用偏最小二乘法（PLS）建立初始模型,有效地提取对系统解释性最强的信息.通过ε不敏感函数和子空间划分,达到模型的置信范围与经验风险的折中.改进的SPFS能保证模型的可解释性,并实现结构风险最小化.仿真计算证明了该模型的有效性.     

一种基于非线性规划的多项式PLS算法

在基于误差的多项式偏最小二乘(PLS)的基础上,提出了一种基于带约束的非线性规划的多项式PLS算法,利用罚函数法计算最优的输入权值和内部关系式的参数。对催化裂化主分馏塔侧线柴油95%点的软测量应用结果表明,该算法和基于误差的多项式PLS相比,模型拟合精度高而且计算量较小,能获得较高的累计方差贡献率,并具有良好的预报能力。     

一种基于非线性规划的多项式PLS算法

在基于误差的多项式偏最小二乘(PLS)的基础上,提出了一种基于带约束的非线性规划的多项式PLS算法,利用罚函数法计算最优的输入权值和内部关系式的参数.对催化裂化主分馏塔侧线柴油95%点的软测量应用结果表明,该算法和基于误差的多项式PLS相比,模型拟合精度高而且计算量较小,能获得较高的累计方差贡献率,并具有良好的预报能力.     

酚类化合物对Shk1发光细菌毒性的定量结构-活性相关研究

以PM3算法计算所得的量子化学参数为自变量,应用偏最小二乘法(PLS),建立酚类化合物对Shk1发光细菌毒性的定量结构-活性相关(QSAR)模型。模型所提取的PLS主成分所能解释的因变量总方差的比例Q2cum为0．810,表明模型具有较好的稳定性和预测能力。模型结果表明,影响酚类化合物对Shk1发光细菌毒性的主要因素是分子次最高占据轨道能 (EHOMO 1)、相对分子质量(Mr)、平均分子极化率(α)和分子总的核-核排斥能(CCR),酚类化合物对Shk1发光细菌的毒性值随着分子EHOMO 1的增大而减小,随着Mr、α和CCR的增大而增大。     

基于多线程的顾客满意度PLS路径模型算法

在计算顾客满意度模型时, 普遍使用结构方程模型来求解复杂的多维度关系. 而针对结构方程模型的计算, 偏最小二乘(PLS)有效地解决了模型分析过程中大量潜变量无法直接采样获得的问题, 建立了显变量与潜变量之间的关系, 增强了模型的直观性和通用性. 为了提升偏最小二乘算法的效率, 在针对结构方程模型的计算中, 利用多线程将模型计算并行化, 以提升计算效率. 探讨了基于Java多线程的顾客满意度PLS路径模型的优化算法, 并在多核计算机上实验证明, 多线程化的PLS路径模型能够显著提升计算速度.     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。     

用于近红外校正模型的训练样本选择

近红外(near-infrared,NIR)校正模型建立时传统的训练样本选择方法只考虑光谱欧氏距离的同类就近选取,不考虑光谱特征异常的训练样本的影响.基于主元分析(principal component analysis,PCA)残差,在同类就近取样的基础上引入异常光谱剔除技术进行训练样本的二次提取,用于建立偏最小二乘(partial least squares,PLS)回归模型.实验结果表明,该方法比传统方法的预测精度有较明显的提高.     

偏最小二乘回归模型的泛化能力改进研究

为了提高模型的泛化能力,提出了嵌入缩放思想的偏最小二乘回归(Partial Least-Squares Regression,PLS)建模方法。该方法通过对输入向量的缩放处理,将训练样本模糊化,缩小测试误差,从而提高了PLS的泛化能力。对原有的缩放法进行了改进,提出r算法。该算法可以找到合适的缩放因子,得到泛化能力更强的模型。仿真实验证明了所提方法的有效性。     

基于自助采样和互信息策略的集成校正算法及应用

综合应用训练集自助采样(bootstrap)和互信息(mutual information)选择变量来引入成员模型间的差异性,提出一种子空间回归的集成校正算法ESPLS.当建立一成员模型时,先淘汰互信息量小于一个特定阈值的变量,使建模在原变量的一个子空间上进行,有效避免了多元共线性产生的诸多问题.通过一近红外光谱数据集实验,同时与全谱偏最小二乘法(PLS)和互信息选择变量的偏最小二乘法(SPLS)2种单模型算法进行了比较,证明:该算法在不增加模型复杂度的前提下,能提高校正模型的预测精度、稳定性及抗过拟合的能力.     

一种基于鲁棒估计的极限学习机方法

极限学习机(ELM)是一种单隐层前馈神经网络(single-hidden layer feedforward neural networks,SLFNs),它相较于传统神经网络算法来说结构简单,具有较快的学习速度和良好的泛化性能等优点。ELM的输出权值是由最小二乘法(least square,LE)计算得出,然而经典的LS估计的抗差能力较差,容易夸大离群点和噪声的影响,从而造成训练出的参数模型不准确甚至得到完全错误的结果。为了解决此问题,提出一种基于M估计的采用加权最小二乘方法来取代最小二乘法计算输出权值的鲁棒极限学习机算法(RBELM),通过对多个数据集进行回归和分类分析实验,结果表明,该方法能够有效降低异常值的影响,具有良好的抗差能力。     

基于改进偏最小二乘法的多模态过程故障检测方法

针对传统的数据驱动方法偏最小二乘法（PLS）中存在的多模态数据故障检测效果不佳的问题,提出了一种新的故障检测方法——基于局部近邻标准化（LNS）的PLS（LNS-PLS）。首先,利用LNS方法对原始数据进行高斯化处理,在此基础上建立PLS的监控模型,确定T²和平方预测误差（SPE）的控制限;其次,对测试数据同样进行LNS标准化处理,再计算出测试数据的PLS监控指标来进行过程监视及故障检测,解决了PLS中无法处理多模态的问题。将所提方法应用于数值例子和青霉素生产过程,并将其测试结果与主成分分析（PCA）、K最近邻（KNN）、PLS等方法进行对比分析。实验结果表明,所提方法的故障检测效果优于PLS、KNN、PCA,该方法在分类及多模态过程故障检测方面有较高的准确性。     

二维共轭正交偏最小二乘分析及图像识别应用

偏最小二乘(PLS)是一种有效的图像特征抽取方法。不同于其他的多元数据分析方法,PLS综合了PCA与CCA的优点,抽取对样本具有最佳解释能力的成分。讨论了偏最小二乘法建模思想及非迭代算法、共轭正交算法和基于2D特征抽取时的算法原理和特点,以及PLS用于图像识别时类隶属矩阵的构造。在ORL与Yale人脸库上的实验结果表明用2DCOPLS抽取的特征进行图像识别的效果更好,更稳定。     

PLS-LSSVM模型在锌净化中的应用

在锌净化除钴过程中,生产数据存在噪声且变量间具有多重相关性,从而难以准确预测钴离子浓度。为此,采用偏最小二乘方法去除数据中的噪声,降低各参数间的多重相关性。通过为不同时期的样本数据赋予不同的权值,提高了最小二乘支持向量机(LSSVM)模型预测的准确性。利用改进的粒子群优化算法优化选择LSSVM模型的惩罚因子和核函数参数,以避免人为选择参数的盲目性。仿真结果表明,PLS- LSSVM模型的预测精度高于偏最小二乘回归和LSSVM。     

基于偏最小二乘的SIFT误匹配校正方法

针对尺度不变特征变换（SIFT）描述子仅利用特征点的局部邻域信息而对图像内具有相似结构的特征点易产生误匹配的现象,提出一种基于偏最小二乘的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对,然后利用偏最小二乘方法对匹配后初始匹配点的空间分布信息进行重新描述,并通过定义影响函数,剔除影响程度大的特征点对,最后得到精确匹配点对,对图像进行配准。实验结果表明,该方法能够有效地剔除误匹配点,提高图像配准的精度。     

基于非线性迭代PLS的人脸识别算法

主成分分析(PCA)是一种无监督的线性降维方法,能有效地提取模式的类内特征,当样本之间出现高度相关性或多重相关性时,PCA提取的主成分解释能力不够。鉴于PCA的缺点,采用一种有监督的鉴别特征提取法——偏最小二乘(PLS),在保留输入变量的最大信息条件下,先在输入和输出变量组中建立模型,再用非线性迭代法提取类间特征,直至隐变量收敛。在ORL人脸库和Yale人脸库中实验结果表明,该算法具有有效性。     

混合PLS特征提取和CVM的异常入侵检测研究

为提高异常入侵检测的效率,提出一种混合偏最小二乘特征提取和核心向量机算法的入侵检测模型。模型使用偏最小二乘算法在入侵数据集上进行主成分提取,在此基础上构建特征集,引入适用于解决大规模样本训练问题的核心向量机算法,在特征集上建立入侵检测模型,使用该模型对异常入侵行为进行检测和判断。通过基于KDD99数据集上的入侵检测实验,验证了混合模型的可行性和有效性。     

小波变换-偏最小二乘法用于柴油近红外光谱分析

为了提高近红外光谱分析精度和速度,需要分别对近红外光谱扣除背景、降低噪音和优选变量等预处理,其过程稍嫌烦琐,本文提出用小波变换-偏最小二乘法(PLS)。该方法利用小波变换提取光谱变量,利用PLS将光谱变量和柴油性质进行关联,建立模型。利用该方法能够分析柴油的诸多性质,分析精度与传统处理方法(微分-PLS)基本一致。该方法具有预处理简单、优选参数少、建模变量少等特点,能够大大简化建模过程、提高建模和分析速度。     

基于后向区间选择偏最小二乘算法的软测量建模

偏最小二乘是在光谱多变量校正中广泛使用的一种算法,现已经发现高效的变量选择不仅能够提高模型的预测能力,也可大大降低模型的复杂度。为了建立具有鲁棒性和低复杂度的基于光谱的在线软测量模型,考虑到光谱变量之间高度相关这一事实,提出一种基于后向区间选择策略的偏最小二乘算法。该算法主要步骤是:先将光谱波长域细分为一定数量的等长子区间;再采用后向淘汰的策略,将各个子区间逐步淘汰,形成一个淘汰序列;最后,再反向选择一定数量的子区间建立最终的模型。通过一个实例以及与传统基于全谱的偏最小二乘算法比较,显示出了该算法的在建立软测量模型方面的优良性能。     

基于偏最小二乘的支持向量机多分类方法

该文提出了一种基于偏最小二乘(PLS)的支持向量机(SVM)多分类方法,该算法利用偏最小二乘思想对样本进行预处理,消除了样本属性之间的相关性,而且得到的综合属性与类信息的相关程度达到最大。通过实验可以看出,该方法不仅可以减少用支持向量机进行分类过程中的支持向量数目,而且当样本属性较多时,可以提高一定的识别率。     

基于T-PLS贡献图方法的故障诊断技术

多变量统计过程监控对于复杂工业过程是一种有效的故障检测和诊断技术. 最小二乘(或称潜空间投影)模型是多变量统计过程监控中常用的一种投影模型, 能够同时对过程数据和质量数据进行建模. 讨论了一种新的基于全潜空间投影模型的故障诊断技术. 全潜空间投影模型中有4个检测统计量. 提出了一种新的T2贡献图计算方法, 对于所有检测统计量, 得到了相应的贡献图算法. 为了确定一个变量是否发生了故障, 计算所有变量贡献图的控制限. 该技术可以将辨识到的故障变量分为与Y有关和与Y无关的两类. 基于Tennessee Eastman过程的案例研究表明了该技术的有效性.