基于即时学习的不完整高维数据非线性过程软测量

由于现代工业过程中数据存在高维性、强非线性、时变性和不完整性等特性,限制了局部加权偏最小二乘算法(LW-PLS)的预测精度。因此,本工作在即时学习建模算法的基础上,将偏最小二乘算法(PLS)应用于相似性样本的选择中,并研究比较了基于主成分分析法(PCA)无监督降维的即时学习算法和基于PLS有监督降维的即时学习算法。概率主成分分析法(PPCA)可以有效的解决数据不完整性的问题;基于PCA和PLS算法的处理,有效的解决了数据高维性问题。基于即时学习的局部加权建模,可以有效解决数据的时变性和非线性问题。所研究算法的有效性在一个数值例子和脱丁烷塔实例中得到了验证。     

主成分回归与偏最小二乘回归方法比较

借助一个具体实例,用主成分回归和偏最小二乘回归方法分别建模,从他们的具体作法、方法特点、建模效果等方面进行比较,进一步揭示了两种回归方法的思想差异,从而得出偏最小二乘回归在解决具有多重相关性的回归问题上较比主成分回归更先进、更有效的结论。     

基于偏最小二乘支持向量机回归区域物流量预测

研究采用偏最小二乘支持向量机回归模型进行区域物流量预测问题.针对普通最小二乘预测所存在的问题和物流系统样本量少的具体状况,提出偏最小二乘支持向量机回归区域物流量预测方法,采用主成分分析法提取影响物流量因素的新综合变量,建立以新综合变量为输入,物流量为输出的支持向量机回归非线性预测模型,在廊坊市物流量预测中进行仿真试验,证明了该方法的可行性与正确性.     

基于主成分方法的浑浊水体组分的光谱探测分析

浑浊水体是水色遥感的重要研究对象,其光谱特征由浮游植物(叶绿素a含量)、无机悬浮物和可溶性有机物3个组分控制,利用光谱识别浑浊水体的组分信息对于光谱解混和组分的定量反演具有重要意义. 基于2010—2016多年太湖水体野外测量的数据,以水体光谱数据的协方差矩阵和相关矩阵为输入进行主成分分析,对比特征值分解(EVD)、奇异值分解(SVD)、非线性迭代偏最小二乘法(NIPALS)3种求解方法以及白化后处理对水体组分的识别作用. 结果表明,基于相关矩阵的SVD方法对浑浊水体组分的识别效果优于其他算法,获得的前3个主成分载荷累计贡献率为98.8%,依次代表了水、叶绿素a组分和悬浮泥沙组分信息; 白化后处理没有明显的优化作用.     

乙醇制备C4烯烃反应中催化条件的数理分析

在电力和化工等产业不断发展的时代背景下,化石能源越来越少,化石能源危机和环境危机限制了以化石原料制备C₄烯烃工艺的进一步发展。首先根据现有的实验数据,利用SPSS软件量化分析各种催化剂组合和催化环境的交互影响,根据交互关系确定新的交互变量;然后利用主成分分析法和偏最小二乘回归模型探讨催化条件对于乙醇转化率和C₄烯烃选择性的影响;最后考虑反应中各种约束条件,建立多元非线性优化模型,利用LINGO软件,综合考虑决策变量、目标函数以及约束条件,得到催化剂与温度的最优组合的数据为：反应温度405℃、乙醇添加速度0.90 mL/min、Co/SiO₂投入质量200 mg、Co负载量(质量分数)0.9%、Co/SiO₂和HAP装料比为1的时候,C₄烯烃收率(乙醇转化率与C₄烯烃选择性的乘积)达到最大值45.84%,乙醇转化率为88.2%,C₄烯烃选择性(C₄烯烃在所有产物中的占比)为51.98%。     

鱼肉弹性与其新鲜度相关性的研究

阐述了利用偏最小二乘法描述鱼肉的弹性与新鲜度之间的关系,找出了它们之间的关系方程式,并经F检验结果显著.     

基于最小一乘的单因变量偏最小二乘算法

偏最小二乘回归能较好地解决自变量间的多重共线问题，最小一乘法比最小二乘法能更有效地降低回归模型的误差。本文提出的改进的偏最小二乘回归将这两种方法结合起来，在偏最小二乘回归过程中利用最小一乘法建立因变量对提取的自变量成分的多元回归模型。算例表明改进的偏最小二乘回归算法的预测精度较高。     

基于机器学习的高铁站评价模型

高铁站的选址一直处于矛盾之中,政府既要减少高铁站对民众生活的影响,又要考虑拆迁成本,如何让高铁站的选址更加科学成为一个需要深思熟虑的问题.为此,运用线性回归分析法、灰色预测法建立了经济贡献率模型,得到高铁站对该市的经济贡献率;以辽宁省已建成的高铁相关数据为基础,从建设投入、施工耗时、换乘方便度、经济贡献等角度进行考虑,...     

基于NMR的高脂血症小鼠血浆代谢组学研究

运用1H NMR技术研究高脂血症小鼠血浆代谢组学特征,阐明高脂血症病理机制.将90只昆明小鼠随机分为18组,9个对照组和9个高脂组,在第7 d、10 d、15 d、18 d、21 d、24 d、28 d、31d和35 d取血浆进行1H NMR全谱(NOESY)分析,采用主成分分析及正交偏最小二乘判别分析法研究高脂组和对...     

回归模型中基于机器学习的流量预测算法

在基于机器学习的流量预测算法中,详细研究了基于回归模型的预测算法,将机器学习算法引入到网络流量预测中,提出了不同的弱回归算予用来描述网络流量中的非线性特性。针对网络流量中的自相似特性,提出两种不同的机制,即用主成分分析作为预处理和为每一维特征保留一组权重分布;同时,针对实验中发现的过匹配现象提出一种自适应的权重更新准则。     

GA-LSSVM的认知无线电离线学习

针对认知无线电(CR)的智能学习研究需求,提出了一种基于最小二乘支持向量机(LSSVM)的CR学习、决策方法.通过遗传算法(GA)进行超参数搜索,建立适当的基于LSSVM的CR学习模型,利用历史案例进行LSSVM离线训练学习,获得知识来指导未来的决策.仿真结果表明,GA-LSSVM能在较少进化代数内搜索出合适的超参数,并且LSSVM学习决策方法能有效提高CR系统的性能.     

基于独立元分析-最小二乘支持向量机的冷水机组故障诊断方法

冷水机组作为复杂系统,其变量间相关性严重,并且故障时的症状和原因具有多样性,导致了冷水机组的故障诊断较为困难.为了降低数据冗余性,提高故障诊断效率,提出一种基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法.首先,运用独立元分析法提取冷水机组变量的独立元信息;然后,将提取的独立元信息作为最小二乘支持向量机的输入值进行故障类型的识别.利用北京某高校的地铁车站通风空调实训平台的实验数据验证该模型的故障诊断性能,并与传统的冷水机组故障诊断方法进行对比.比较结果证明基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法优于传统方法.这表明该方法可以有效提取数据的高阶统计信息,提高故障诊断的效率.     

偏最小二乘回归模型在水文相关分析中的应用

介绍了偏最小二乘回归的基本原理、建模基本思路和交又有效性判别方法，将偏最小二乘回归模型应用于水文相关分析，并与最小二乘回归模型进行比较分析。通过算例分析表明，该模型具有符合水文现象特性的合理结构及较高的相关分析精度，能很好的应用于水文相关分析中。     

生物信息学中的学习问题

生物信息学是结合了信息科学和生命科学的一门交叉学科,兴起于人类基因组计划.随着人类基因组计划的完成与深入,生物信息的研究工作由原来的计算生物学时代进入后基因组时代,后基因组时代中一个最重要的分支就是系统生物学.本文从信息科学的视角出发,详细论述了机器学习方法在计算生物学和系统生物学中的若干应用.     

区域科技实力综合评估体系及实证分析

本文构建了区域科技实力综合评估体系,并采用主成分分析和聚类分析方法,分别对中国29个省区的科技综合实力进行实证分析,结果表明:中国大部分地区科技综合实力欠佳,而且区域差别较大;沿海经济发达地区科技综合实力较强,东北和中部地区次之,西部边远地区综合科技实力较弱;经济发展水平与科技综合实力似乎存在较强的内在关系。     

基于粗糙集改进的支持向量机模型及其在短期电力负荷预测中的应用

通过对传统的最小二乘支持向量机模型和粗糙集理论的研究,提出了一种基于粗糙集理论进行改进的最小二乘支持向量机预测技术,将粗糙集原理的属性约简与特征提取技术运用到输入指标的选取上,保留有用信息并剔除无用信息。最后,以美国PJM市场2012年1月至9月的日24点历史负荷为算例,对该时间段电力负荷进行模拟仿真。结果表明,经过粗糙集属性约简改进后的LS—SVM预测模型大大提高了其预测精度,拟合效果显著提高。     

一种数控机床学习机的设计

介绍了一种数控机床学习机的功能和特点,详细阐述了设计方案.该机采用了真实、分层、可视、人机一体化等独特的设计理念,集数控手工编程与操作学习、零部件造型和自动编程学习、数控PMC编程与调试学习、数控结构与原理学习、数控连接与调试学习、数控电气控制学习等多种功能于一身,具有真实再现、功能丰富、可视清晰、人机合理、操作方便、安全可靠等特点,有利于学习者快速掌握数控技术.     

学习型预期与适应性学习算法研究

适应性学习作为理性预期的替代,正在广泛应用于宏观经济模型的构建。适应性学习假定经济行为主体能够像计量经济学家一样,运用统计或计量经济模型,去形成自己的预期。然而,预期的准确性与适应性学习算法密切相关。通过查阅适应性学习相关文献,对现有文献中常用的适应性学习算法进行梳理,并基于可变遗忘因子的最小二乘算法对两种常用适应性学习算法进行了理论推导,以期为以后的研究提供一定的借鉴。