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.     

一种新型非线性偏最小二乘方法研究及应用--基于Chebyshev多项式改进的PLS方法

在实际生产过程中，过程变量之间往往存在大量相关关系，甚至非线性相关关系。过程变量间存在线性相关时，可采用偏最小二乘方法(Partial Least Squares，PLS)计算模型参数，但由于PLS方法采用线性关系来联系输入和输出因子，因而并不能有效地应用于非线性较强的过程。在这种情况下要对变量进行有效的压缩维数．需要采用非线性PLS方法。基于Chebyshev多项式改进的多元多项式PLS方法，是一种新的非线性PLS方法。该方法利用Chebyshev多项式的正交性质和递推性质，将过程输入变量正交化、线性化后，再应用PLS方法计算模型参数并还原，从而得到比较精确的模型。由于该方法综合考虑了输入变量的自相关和输入变量间的协相关关系。能够更有效地表达过程变量间的非线性关系，因此其对非线性过程的研究提供了新的思路。     

基于核函数的PLS丁苯橡胶聚合转化率软测量

针对企业对丁苯橡胶聚合转化率需在线高精度预测的需求,考虑实际工况复杂性和偏最小二乘(PLS)算法非线性处理能力的不足,分别建立了引入单核和混合核函数的丁苯橡胶聚合转化率PLS预测模型。工业数据仿真结果表明:基于核的PLS模型均可满足企业生产对预测精度的要求,即聚合转化率预测绝对误差大于1.5的比例不大于样本总数的10%,尤其是混合核PLS因兼有局部和全局特性,表现出更优的性能。     

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。     

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。     

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。     

PLS算法在多维数据挖掘判别分类中的研究及应用

针对高维少样本问题,利用偏最小二乘PLS模型,构造适合于小样本问题的挖掘算法。即在PLS的统一框架下,实现维数约简与分类学习,并在基因表达谱(Colon)癌数据分类问题中,实现PLS对小样本数据的挖掘与可视化。与经典算法SVMs进行比较分析,结果验证了PLS算法对高维少样本数据挖掘问题的有效性和可靠性。     

基于并行PLS算法的化学计量学软件研究

现有化学计量学软件普遍采用的偏最小二乘(PLS)算法均以单线程方式计算,建模速度缓慢,给应用带来较大的不便。随着多核处理器的普及,采用多线程并行计算技术可显著提高算法执行速度。本文将多线程并行计算技术引入化学计量学软件开发,提出并实现了PLS算法的并行化计算。利用标准数据集进行了性能对比实验,结果表明在四核计算机中多线程并行计算比单线程计算有大约3.1倍的速度提升。     

SVR算法的生物混液左旋多巴含量紫外光谱建模

以酪氨酸和左旋多巴混合溶液中左旋多巴的紫外光谱数据为研究对象,首先用Kennard-Stone算法对样品集进行分割;然后使用ν-SVR和ε-SVR算法对核进行建模,以建立不同的核。紫外光谱定量分析模型中左旋多巴含量的功能;最后,采用粒子群算法对参数进行了优化,并与传统的PLS算法进行了比较。实验结果表明,由ν-SVR,ε-SVR和PLS建立的左旋多巴含量校正模型具有较高的准确性,预测性能略有不同。在预测集实验中,PLS,ν-SVR(RBF)和ε-SVR(RBF)算法的预测均方根误差分别为1.755、0.826和0.68。实验已经证明了使用紫外光谱法快速测定左旋多巴含量的有效性以及基于径向基函数的ε-SVR的建模优势。     

非线性迭代PLS信息模式识别算法

对偏最小二乘(PLS)回归的基本方法进行了分析研究,提出了基于非线性迭代偏最小二乘(NIPLS)的信息模式识别算法。该算法实现了模式识别中特征提取与分类器设计的有机结合。NIPLS较Fisher判别分析、Bayes判别分析等经典的模式识别算法,具有更强的信息识别能力,且对数据本身的分布要求不高,尤其对于多重共线性资料或解释变量多而样本数量少时更为有效。将该算法应用于土地质量的分类识别,结果表明,该文所建立的算法是有效的、可靠的。     

基于覆盖算法和PLS的人脸识别方法

本文介绍了一种结合覆盖算法和偏最小二乘（PLS）新的人脸识别方法。这种方法先使用小波变换作基本的处理,然后利用PLS剔除冗余特征,提取主要特征对原始图像降维,最后利用覆盖算法分类相结合的方法进行识别。     

Boosting the partial least square algorithm for regression modelling

Boosting algorithms are a class of general methods used to improve the general performance of regression analysis. The main idea is to maintain a distribution over the train set. In order to use the given distribution directly, a modified PLS algorithm is proposed and used as the base learner to deal with the nonlinear multivariate regression problems. Experiments on gasoline octane number prediction demonstrate that boosting the modified PLS algorithm has better general performance over the PLS algorithm.     

Boosting the partial least square algorithm for regression modelling

Boosting algorithms are a class of general methods used to improve the general performance of regression analysis. The main idea is to maintain a distribution over the train set. In order to use the given distribution directly, a modified PLS algorithm is proposed and used as the base learner to deal with the nonlinear multivariate regression problems. Experiments on gasoline octane number prediction demonstrate that boosting the modified PLS algorithm has better general performance over the PLS algorithm.     

A modified PLS path modeling algorithm handling reflective categorical variables and a new model building strategy

Partial least squares (PLS) path modeling has found increased applications in customer satisfaction analysis thanks to its ability to handle complex models. A modified PLS path modeling algorithm together with a model building strategy are introduced and applied to customer satisfaction analysis at the French energy supplier Electricité de France. The modified PLS algorithm handles all kinds of scales (categorical or nominal variables) and is well suited when nominal or binary variables are involved. PLS path modeling and structural equation modeling are confirmatory approaches and thus need an initial conceptual model. A two-step model building strategy is presented; the first step is based on Bayesian networks structure learning to build the measurement model and the second step is based on partial correlation and hypothesis tests to build the structural model. Applications to customer satisfaction data are presented.     

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.     

Geometric properties of partial least squares for process monitoring

Projection to latent structures or partial least squares (PLS) produces output-supervised decomposition on input X, while principal component analysis (PCA) produces unsupervised decomposition of input X. In this paper, the effect of output Y on the X-space decomposition in PLS is analyzed and geometric properties of the PLS structure are revealed. Several PLS algorithms are compared in a geometric way for the purpose of process monitoring. A numerical example and a case study are given to illustrate the analysis results.     

Multi-way PLS regression: Monotony convergence of tri-linear PLS2 and optimality of parameters

The tri-linear PLS2 iterative procedure, an algorithm pertaining to the NIPALS framework, is considered. It was previously proposed as a first stage to estimate parameters of the multi-way PLS regression method. It is shown that the tri-linear PLS2 procedure is convergent. The procedure generates a sequence of parameters (scores and loadings), which can be described as increasing or decreasing two specific criteria. Furthermore, a hidden tensor is described allowing tri-linear PLS2 to search its best rank-one approximation. This tensor highlights the link between multi-way PLS regression and the well-known PARAFAC model. The parameters of the multi-way PLS regression method can be computed using three alternative procedures.