基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

激光拉曼光谱结合偏最小二乘法快速测定植物油碘值

为探讨应用激光拉曼(Raman)光谱结合偏最小二乘 法(PLS)建模无损、快速及无试剂测定植物油碘值 的可行性,实验以大豆油、橄榄油、花生油、芝麻油及其调和油为样品,采集了其拉曼光谱 , 采集波数范围为250cm－1～2400cm －1, 并对其信号进行了归属,考察了各种实验条件对拉曼光谱的 影响,并以传统韦氏法测定得到的碘值作为对比,结合化学计量学方法建立了植物油碘值拉 曼 光谱定量模型。实验结果表明,大豆油、橄榄油、花生油及其调和油的拉曼光谱峰形及位移 具有一定的相似性,芝麻油拉曼光谱有较强的荧光干扰,峰强度与其他植物油存在着明显的 差异。所建立的碘值校正模型的决定系数R²为97.49 ,交叉验证校正标准差(RMSECV)为 1.15;检验集预测标准差(RMSEP)为1.57, 决定系数R²为96.47。结果表明,应用拉曼光 谱技术结合化学计量学实现植物油碘值快速检测是可行的。     

三维荧光光谱的多维偏最小二乘建模方法

将偏最小二乘方法（PLS）推广到高维的多维偏最小二乘方法（N-PLS）由于同时考虑自变量矩阵和应变量矩阵的信息,可以有效解决高维数据的建模问题,并具有较好的模型预测和推广能力。本文研究了三维荧光光谱的多维偏最小二乘建模方法,根据样本序列、激发光谱、发射光谱构造出三维立体数据,并应用N-PLS建立校正模型。对水中的有机污染物浓度综合指标COD、TOC的建模实验,表明了在建模精度方面N-PLS方法优越于常规PLS和平行因子法。     

基于偏最小二乘回归多CCD拼接相机模型研究

为了建立多CCD拼接相机光学系统的数学模型,文章根据偏最小二乘回归理论,首先分析了CCD拼接原理,建立了光学畸变的单元相机数学模型和分析了拼接相机物空间坐标系和像空间坐标系的对应关系,最后由偏最小二乘计算方法解算出相机的内方位元素,建立了完整的数学模型.     

基于改进的偏最小二乘法的LIBS钢液成分定量分析

为了研究激光诱导击穿光谱技术基体效应对其测量精确度的影响,采用改进的偏最小二乘法进行数据预测,以有效降低基体效应对待测元素的影响。通过与单变量定标和偏最小二乘模型定标进行对比研究可知,待测元素Mn和Si的定标曲线的拟合度分别从0.991和0.993提高到了0.996和0.997,对于验证样品的预测相对误差也分别从6.231%,6.912%下降到了5.510%和6.125%。结果表明,采用改进的偏最小二乘法可以有效减小基体效应,定标精度有较明显提高,对分析性能有了较大的提高。     

近红外光谱技术与偏最小二乘法及模糊聚类法相结合的糖品种分类方法

提出了一种近红外光谱技术与偏最小二乘法及模糊聚类法相结合的可用于快速无损鉴别糖品种的新方法。采用近红外光谱仪获取了白砂糖、木糖醇、麦芽糖和葡萄糖等四种糖类别各30个样本的光谱漫反射特征曲线。运用偏最小二乘法提取了糖分类与特征值,并将提取到的经过归一化处理的11种主成分结果作为模糊聚类模型的建模参数。设定聚类数为4,建立模糊聚类模型,并对40个未知样本进行了预测。预测结果的准确率达到100％,说明本文提出的方法对于糖类别具有很好的分类和鉴别能力,同时也为光谱分析技术在对品种的快速、无损分类与识别中的应用提供了新的思路。     

一种基于最小二乘法的双音多频测试方法

本文针对电话机拨号电路的双音多频测试，提出了一种算法，最小二乘估计法，利用这种算法，就能估计单音信号的幅度和失真系数两项指标，并对双音频中的谱线进行分离，对电话机号电路ＣＳＣ９１３３０实测数据的分析和处理，证明这种测试方法是可靠的，具有很小的估计偏差，此法在电路量产化测试中已经得到充分的应用。     

基于最小二乘的时差定位算法

时差测量方程是非线性双曲线方程,可以通过引入中间变量将其转化为线性方程,对近年来国内外学者关于这种方法的时差定位算法进行了总结。当已知测量误差的先验信息时,可以采用两步加权最小二乘法和约束加权最小二乘法,当测量误差的先验信息未知时,还可以采用约束总体最小二乘的方法。在求解约束最小二乘问题时,采用常规的拉格朗日法计算复杂、运算量大,而采用高斯一牛顿法不仅可以大为降低运算量,还能提高解的精度和稳定性。此外,对约束加权最小二乘法和约束总体最小二乘法之间的关系进行了探讨,得到了它们等价性的条件。     

基于偏最小二乘的低复杂度数字预失真

在宽带场景下,传统的数字预失真(DPD)模型需要更高的阶次和更多的系数来校正功率放大器(PA)强非线性和记忆效应,这就会导致极高的计算复杂度和解算系数时的病态问题.文章围绕复杂DPD模型参数辨识和低复杂度DPD算法实现展开深入研究,提出了一种新的基于偏最小二乘(PLS)的低复杂度DPD方法.所提方法根据PA的前逆输入输...     

基于偏最小二乘回归的与头相关传递函数的个人化

该文提出了一种基于偏最小二乘回归(Partial Least Squares Regression, PLSR)的与头相关传递函数(Head Related Transfer Function, HRTF)的个人化方法。通过对HRTF进行预处理和主元分析,并对人体参数进行筛选,只要相对简单的人体参数测量,就可利用PLSR得到特定人的HRTF。客观误差分析和主观声音定位测试结果表明估计的HRTF与实际测量的HRTF之间不仅均方误差较小,而且感知区别不大;同时由PLSR估计的个人化HRTF在水平面上的主观测试定位准确率明显优于非个人化HRTF,也优于由最小二乘回归(Least Squares Regression, LSR)估计的个人化HRTF。     

一种基于拟牛顿法的递归最小二乘方法

基于拟牛顿优化方法,提出了一种稳健的自适应FIR滤波算法。新算法用最小二乘误差(LSE)代替了均方误差(MSE)作为代价函数,它具有和常规递归最小二乘(CRLS)算法相近似的追踪能力,且不存在数值计算不稳定性的问题,在收敛速度以及稳态效果方面也要优于De Campos的拟牛顿(QN)算法。通过计算机仿真比较了有关算法的性能。     

基于最小二乘虚拟阵元的解模糊方法

阵列信号处理中,当阵元间距〈1/2波长时方向估计会出现模糊。文中提出一种基于最小二乘虚拟阵元的方向估计解模糊方法,该方法根据实际已知阵元的接收数据,运用最小二乘法估计出相邻阵元间虚拟阵元上的接收数据,在实际孔径不变的情况下使阵元间距减小,从而实现了方向估计的解模糊。同时,文中还对此方法在解模糊时的虚拟阵元数进行了分析。仿真实验结果表明了该方法的有效性。     

混沌时间序列局域偏最小二乘回归多步预测模型

针对混沌序列局域一阶多步预测问题,提出了基于偏最小二乘回归的混沌时间序列局域直接多步预测模型,偏最小二乘用于混沌时序重构相空间中演化轨迹前后相点信息间的建模。该模型克服了以往一阶局域单步预测模型进行多步预测时存在的误差累积,而且能抑制重构相空间中多重共线性的影响,提高了预测精度。试验中使用交叉验证方法将偏最小二乘的提取成分数。通过对Chen’s混沌序列和Mackey-Glass混沌序列的多步预测试验,验证了该模型在混沌时序预测方面具有很好的效果。     

基于最小二乘隐空间支持向量机的IDS检测算法的设计

在基于支持向量机的基础上,提出一种新的利用最小二乘隐空间支持向量机设计IDS的检测算法,解决了网络入侵检测系统中检测算法的分类精度不高、训练样本数需要较多,及训练学习时间较长等问题.仿真实验结果表明,本算法较基于支持向量机的检测算法具有更快的收敛性、更快的迭代速度、更高的检测精度和更低的误报率.     

基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机

本文研究了最小二乘隐空间支持向量机的优化问题．文中采用基于对称超松弛预处理技术改进共轭梯度算法,改进的共轭梯度算法只需求解一个阶数为1-1的线性代数方程组即可,大大节省了计算时间．最后将其应用于最小二乘隐空间支持向量机中建立数学模型,并通过实例验证了该算法的优越性．     

一种基于全局最小乘方法的磁共振波谱目标 频率选择的量化方法

磁共振波谱中,感兴趣成分的单独量化不但符合许多实际应用的要求,而且同时也提高了量化的速度和精度.为此本文提出了一种基于频率选择的波谱信号量化方法,该方法通过全局最小乘方法来估计波谱信号的非线性参数,又结合前向和后向的APES方法来估计其线性参数.文中的模拟和活体数据实现表明,本文方法在计算速度和参数估计的稳健性上要明显优于经典的HSVD和HTLS方法,同时其综合性能比Stoica等提出的频率选择方法SELF_-SVD还好.     

基于线性最小二乘方法的多基地声呐定位算法

通过对多基地声呐发射站和接收各站的测量结果进行数据融合,提出了基于线性最小二乘方法的多基地声呐空间定位算法,并针对影响算法定位精度性能的各个因素进行了分析.仿真结果显示:基于线性最小二乘方法的定位算法充分利用了系统的冗余信息,在全域范围内具有较高的定位精度,较现有单纯利用三观测量的目标三维定位算法的定位性能更为优越.该...     

基于测距最小二乘的方位融合多传感器定位算法

在多部2D传感器组网目标定位中,为减小地球曲率对观测的影响,充分利用各传感器量测并解决观测方程的非线性最小二乘问题,提出了融合方位量测的测距最小二乘算法。该算法的实质是基于多部2D传感器设备的测距以及方位角信息,考虑地球曲率的影响建立等效的观测模型和非线性方程,通过数学变换将非线性系统转化为线性系统;利用纯距离最小二乘定位原理初步估算出目标的位置,然后融合各传感器的方位量测得到关于目标的最终位置估计。仿真实验表明,本方法在3部以上2D传感器观测并且测距误差较大而方位误差较小的情况下,可以修正测距最小二乘法在某些位置的定位误差,从而整体提高目标的定位精度。     

基于边界限制加权最小二乘法滤波的雾天图像增强算法

针对经典的暗通道理论算法在处理雾天图像时天空区域出现光晕和亮度损失的问题,提出了一种基于边界限制加权最小二乘法滤波的雾天图像增强算法。该方法根据雾天图像的直方图特性,分割出天空区域,并求解出了全局大气背景光;根据辐射立方体法则推导出边界限制条件,得到了初始的透射率,运用加权最小二乘法滤波方法和容差机制,对透射率进行了平滑处理;利用暗通道理论的模型,求取了增强后的图像。研究结果表明,在去雾效果和图像的可视度方面,所提算法优于现有的暗通道算法。