基于核的偏最小二乘特征提取的最小二乘支持向量机回归方法

提出了用核的偏最小二乘进行特征提取．首先把初始输入映射到高维特征空间，然后在高维特征空间中计算得分向量，降低样本的维数，再用最小二乘支持向量机进行回归．通过实验表明，这种方法得到的效果优于没有特征提取的回归．同时与PLS提取特征相比，KPLS分析效果更好．     

基于偏最小二乘回归的军用飞机效能预测

作战飞机效能的预测是防空作战中的重要问题,简述了效能预测的各种方法.分析了影响飞机效能的参数,提出用最小二乘回归方法来预测飞机效能值.该方法对变量进行主成分分析、典型相关分析和多元线性回归,在处理存在多重线性相关的小样本多元数据方面效果很好.通过实例与神经网络法的结果进行了比较,结果表明偏最小二乘回归更精确和简单.     

基于核偏最小二乘回归分析的线损率预测

研究了线损率预测问题。由于影响线损率的因素间存在着复杂的非线性和强相关性,一般方法难以得到较高精度的预测结果。针对线损率的特点,为了提高预测精度,本文首次将核偏最小二乘回归算法应用于线损率预测。先以历年来的线损率及其相关数据为样本建立预测模型,然后对预测年线损率进行预测。以某电网为实例进行仿真,并将仿真结果与其他方法所得到的仿真结果进行比较。结果表明基于核偏最小二乘回归分析的线损率预测具有较高精度,能较好地克服变量相关性和非线性因素对预测模型的不利影响,为电力企业制订科学合理的线损率计划提供理论依据。     

基于偏最小二乘回归的人脸身份和表情同步识别方法

将偏最小二乘回归方法用于人脸身份和表情的同步识别。首先,对每幅人脸图像进行脸部特征提取以及相应的语义特征定义。在脸部特征提取方面,从每幅图像中标定出若干脸部关键点位置,并提取图像在该关键点处的Gabor小波系数（Gabor特征）以及关键点的坐标值（几何特征）,作为该图像的输入特征。语义特征则定义为该人脸图像所属的表情类别信息以及所对应的人脸身份信息。其次,利用核主成分分析(KPCA)方法对脸部Gabor特征和几何特征进行融合,使得输入特征具有更好的识别特性;最后,运用偏最小二乘回归(PLSR)方法建立脸部特征和语义特征之间的关系模型,并运用此模型对某一测试人脸图像进行表情和身份的同步识别。通过在JAFFE国际表情数据库和AR人脸数据库上的对比实验,证实了所提方法的有效性。     

锡基合金硬度偏最小二乘回归预测模型

锡基合金具有摩擦系数小、硬度适中且韧性好等优点。其硬度由显微结构决定,因此,建立硬度与其微观结构间的定量相关模型,并分析其各相参数变化对硬度的影响,可以为研究新型合金和制定合金生产中的时效工艺提供参考和依据。基于锡基合金显微结构特点,通过提取合金金相特征参数,建立其硬度的关联预测模型。并通过实验数据分析了影响锡基合金硬度的因素及机理;对金相图做参数提取处理,用偏最小二乘回归分析对该参数进行硬度线性和非线性预测模型的构建。结果表明,该非线性偏最小二乘回归模型对锡基合金的硬度预测精度更高。     

基于偏最小二乘回归的鲁棒性特征选择与分类算法

提出一种基于偏最小二乘回归的鲁棒性特征选择与分类算法（RFSC-PLSR）用于解决特征选择中特征之间的冗余和多重共线性问题。首先,定义一个基于邻域估计的样本类一致性系数;然后,根据不同k近邻（kNN）操作筛选出局部类分布结构稳定的保守样本,用其建立偏最小二乘回归模型,进行鲁棒性特征选择;最后,在全局结构角度上,用类一致性系数和所有样本的优选特征子集建立偏最小二乘分类模型。从UCI数据库中选择了5个不同维度的数据集进行数值实验,实验结果表明,与支持向量机（SVM）、朴素贝叶斯（NB）、BP神经网络（BPNN）和Logistic回归（LR）四种典型的分类器相比,RFSC-PLSR在低维、中维、高维等不同情况下,分类准确率、鲁棒性和计算效率三种性能上均表现出较强的竞争力。     

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。     

基于样条变换偏最小二乘回归应用航油干点的软测量

在偏最小二乘回归和样条变换理论研究的基础上,提出炼油装置常压塔航油干点的软测量.采用偏最小二乘同归方法筛选一种辅助变昔和建立航油干点的软测最模型.仿真结果表明,本方法选择的辅助变量携带信息量大,对主导变量解释能力强.如样本集相同.比RBF网络和支持向量机软测量模型预测精度高,泛化能力强.     

基于偏最小二乘回归的性别识别

在现有研究中,人脸图像往往局限于简单的受控场景,忽略了自然场景中光照、姿态、表情等因素的影响.针对此问题,重点研究了自然场景下的性别识别问题,并提出了基于偏最小二乘回归(PLS)的性别识别算法.在人脸特征提取阶段,提出了一种新的特征描述算子多尺度方差局部二元模式(MBV-LBP),并与多尺度局部二元模式(MB-LBP)结合作为最终的人脸特征表示,采用PLS模型同时完成特征降维和性别识别,简化了计算过程.通过在LFW数据库和一个Web人脸图像库上进行实验,实验结果表明了算法的优越性.     

偏最小二乘回归在气温预测中的研究与应用

气温的预测要考虑多重气象因子,然而各气象因子间的多重相关性导致普通的多元回归模型失真,预测精度降低。为了解决以上问题,本研究采用偏最小二乘回归(Partial Least Squares Regression,简称PLS)建模,根据实际建模需要对算法进行改进。为了验证该模型,本研究以成都市10月份气温场为预报场,并结合成都市13个自动站气温数据,提取预报所需主要因子,进行PLS回归建模。实验表明该模型有较好的预测能力。     

基于径基函数-加权偏最小二乘回归的干点软测量

针对影响石油馏分产品干点因素众多且呈高度非线性的特征,提出了一种径基函数(Radial basis function,RBF)和加权偏最小二乘回归(Weighted partial least squares regression,WPLSR) 相结合的建模方法建立干点软测量模型. 该组合方法首先应用RBF 实现样本数据的非线性变换;然后根据非线性变换后样本在结构参数空间中的分布,分析它们对预测对象的预报能力,自适应地为各个样本分配权值,并进而从中提取和选用PLS 成分,实施加权PLSR,以获得预报性能良好的模型. 在实际应用于初顶石脑油干点软测量建模中,RBF-WPLSR 获得比PLSR、WPLSR 及RBF-PLSR 更高精度的模型.     

基于偏最小二乘回归和SVM的水质预测

针对传统水质预测方法中水质因子的多重相关性造成预测精度低的问题,提出了一种将偏最小二乘法和支持向量机相耦合的水质预测方法。利用偏最小二乘法提取对水质因子影响强的成分,从而克服了信息冗余问题,并降低了支持向量的维数。利用支持向量机建模可以较好地解决高维非线性小样本问题。同时利用改进的PSO算法优化SVM参数,减小参数搜索的盲目性。研究结果表明,本耦合模型的预测精度和运行效率明显优于常用的BP人工神经网络和传统的支持向量机,可以更好地应用于水质预测。     

OPLS在非线性偏最小二乘回归模型的应用

为了解决隐含潜变量回(implicit non-linear latent variable regression,INLR)建模方法中加入自变量的非线性项使系统中出现了与因变量y无关的信息或者噪音的问题,提出了基于正交投影(orthogonal projection to latent structures,OPLS)方法,时INLR数据进行预处理.OPLS算法能有效去除预测矩阵中与因变量y无关的信息,在不影响INLR建模效果的同时减少有意义的成分,改善了模型的解释性和真实性.模拟实验结果表明,改进后算法的建模效果优于INLR、偏最小二乘回归(partial least squares regression,PLSR)算法得到的模型.     

一种基于主元选择的偏最小二乘回归方法

为更有效地分析和处理小样本多元数据,提出了一种基于主元选择的偏最小二乘回归方法,并阐述了该方法的基本原理和计算步骤。该方法首先根据相关系数矩阵选取数据样本中的主元,然后对主元进行主成分分析、典型相关分析和多元线性回归。实例分析表明,与偏最小二乘回归方法相比,该方法在分析存在多重线性相关的小样本多元数据方面回归次数更少,精确度更高。     

基于核偏最小二乘的支持向量机回归算法研究

对SVM的特征提取问题进行了研究,提出了KPLS-SVM组合回归建模方法.该方法在输入空间映射得到的高维特征空间中进行PLS特征提取后,再进行SVM回归,不仅保持了SVM良好的模型性能,并且兼具KPLS和SVM的优点.仿真和实验结果表明,该KPLS-SVM建模方法是正确且有效的,采用该方法构建的SVM模型,泛化性能明显优于没有特征提取的SVM.     

一种基于偏最小二乘法的室外光照估计算法

针对固定视点下的室外场景在线视频光照求解问题,提出一种基于偏最小二乘室外场景实时光照估计算法.在离线阶段提取场景中对光照变化较为敏感的区域,并将这些区域像素值的均值与方差的无偏估计作为场景图像的统计参数,再利用偏最小二乘回归分析建立场景的光照参数与图像统计参数之间的模型;在在线阶段使用所建立的模型实时估计视频每一帧的光照条件.实验结果表明,使用该算法所求解的光照参数对虚拟物体进行绘制并将其融入视频中后,合成场景真实感很强.     

基于加权偏最小二乘回归的软件成本估算方法

针对软件成本估算中影响因素较多且自变量间存在多重相关性的特点,提出一种基于加权偏最小二乘回归(PLSR)的软件成本估算方法。定义属性权重,得到描述软件历史数据相似度的加权相似离度。通过计算样本相似度自适应地为样本分配权值,采用遍历搜索的方式确定最优主成分及权值分配参数。实验结果表明,该方法的估算误差比多元线性回归方法减少73.61%,比全局PLSR方法减少32.34%。     

融合softmax的偏最小二乘法及中药数据分析研究

偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）是一种线性分类方法,不能充分表达数据之间的非线性关系,难以适应非线性数据的分类识别。针对该问题,结合softmax回归能够表达非线性特征,提出融合softmax回归的偏最小二乘判别分析算法（PLS-S-DA）。为了验证PLS-S-DA对非线性数据的有效性,以准确率、运行时间、查准率、查全率和◢F◣▼1▽-score为评价指标,采用四组UCI数据集和中药寒热药性数据集测试PLS-S-DA的性能,并与PLS-DA等五种分类算法对比。结果表明,对具有非线性特征的数据,PLS-S-DA相比于其他算法有更高的准确率,并对寒药和热药有更强的识别能力。     

基于DEA优化的偏最小二乘回归在谐波责任分离中的应用

在分析了偏最小二乘计算回归的方法原理基础上,提出了偏最小二乘计算回归的改进算法,即采用数据包络分析法(DEA)对数据进行分析处理,除去少数不相关信息数据,从而使得回归结果精度更高。     

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。