递推部分最小二乘方法及其应用

该文提出了一种递推的部分最小二乘算法.该算法利用遗忘因子法对旧参数矩阵进行加权,再和新数据矩阵组合,构成输入输出的数据矩阵,然后利用PLS核算法得到模型.结合实际工业过程的要求,给出了该算法的步骤,并运用该算法建立了煤气化炉合成气组分浓度的软测量模型.结果表明,递推的部分最小二乘算法可以有效的更新模型,使模型适应过程的...     

非线性部分最小二乘方法用于推断估计器设计

针对工业过程中某些变量难于在线测量的问题,提出一种基于人工神经网络（ANN）的非线性部分最小二乘的推断估计策略。首先对历史数据进行部分最小二乘回归分析,提取特征信息。然后用神经网络建立主元之间的内部非线性关系,得到产品质量的非参数模型。仿真结果表明：该推断估计器具有良好的跟踪速率和较高的估计精度,其性能优于基于原始人工神经网络推断估计器的性能。     

稀疏最小二乘支持向量机

针对大规模数据集的回归和分类问题，改进了最小二乘支持向量机.以再生核希尔伯特空间中的线性分析为基础，把样本集映射到再生空间中，然后张成再生空间的一个线性子空间，并求出这个子空间的基.利用基线性表示子空间中的其他元素，减小了求解矩阵的维数，通过求解规模相对较小的线性方程组完成对支持向量机的训练.采用该方法对较大规模的数据样本进行了回归和分类仿真试验，并与普通的最小二乘支持向量机进行比较.结果表明，采用该方法解决复杂非线性函数的回归和分类问题，不但可以得到稀疏解，而且计算速度比普通最小二乘支持向量机提高了约20％.     

非线性最小二乘问题的一种求解方法

给出了求解非线性最小二乘问题的一种新算法.算法利用延拓法来研究拟合曲线所需要求解的非线性方程组以保证大范围收敛性;再利用斯蒂芬森加速技术来提高收敛速度;最后数值实验的结果表明算法有效可行.     

解非线性最小二乘问题的尺度化ABS法

文中对非线性最小二乘问题给出了一种新型求解方法－分块尺度化ＡＢＳ求解方法，并证明了这类方法的局部超线性收敛性，最后在尺度矩阵取特殊值时给出了数值结果。     

基于偏最小二乘回归的径向基函数网络的学习算法及其应用

:通过对径向基函数 (RBF)网络训练过程的分析 ,结合偏最小二乘回归 ,提出了一种新的网络训练方法 .实例研究表明 ,该方法能有效改善RBF网络的泛化性能     

非线性不等式组的最小二乘解

本文给出了求非线性不等式组最小二乘解的一种方法。它是S.P.Han的工作[1]的一种推广。算法在每步迭代中利用广义逆矩阵来确定搜索方向。我们讨论了算法的收敛性,给出了所提出算法的收敛性定理。     

非线性最小二乘广义逆迭代算法及收敛性证明

本文介绍了一种解非线性最小二乘问题的新方法,并证明了解非线性最小二乘问题M—P广义逆迭代算法的收敛性。     

非线性隐核偏最小二乘回归算法及其应用

利用隐核映射技术,将输入数据映射到一个高维隐特征空间,然后在隐特征空间里引入改进的非线性迭代算法构造线性PLS回归模型,提出了一种新的非线性隐核偏最小二乘回归算法(HKPLS)并应用于非线性系统建模中.仿真验证了所提方法的有效性.     

带插值条件的最小二乘法

提出了带插值条件的最小二乘拟合问题,并给出了带插值条件的最小二乘拟合曲线的具体表达式.     

基于加权最小二乘的双线性系统的自适应控制及其应用

本文对一类双线性系统，用加权最小二乘辨识方法建立了自适应控制算法，该算法适用于非最小相位系统，且具有大范围渐近收敛和稳定的性质。从谷氨酸结晶过程的ｐ值控制实验表明，本文算法具有良好的控制效果，比非线性ＰＩＤ控制具有更高的控制质量．     

最小二乘估计的有效性

对Gauss-Markov模型，本文考虑了最小二乘估计有效性的三种度量，并给出了它们的界。     

二尺度最小二乘小波支持向量回归

基于小波多尺度理论和最小二乘支持向量机的优越性能,提出了多尺度最小二乘小波支持向量回归,弥补了普通最小二乘小波支持向量回归在单尺度小波空间上对函数进行逼近的不足,使用多尺度上的小波线性组合来逼近L^2（R^d）空间上的任意函数,真正意义上实现了小波分解和最小二乘支持向量机的最佳结合,更有效地继承了小波多尺度学习算法和最小二乘支持向量机的优点,既能达到有效精度而且还计算简便。本文以两尺度为例,通过仿真实验说明了所提算法的有效性。     

基于偏最小二乘的循环流化床锅炉燃烧系统建模与仿真

应用偏最小二乘方法对云南某厂循环流化床锅炉相对稳定工况下的台账数据进行分析,建立静态模型,并对模型进行验证,与附加动量的梯度下降法训练的神经网络建模结果进行比较,证明采用偏最小二乘法的建模效果更好,更方便分析应用.     

双核函数最小二乘支持向量机汽油干点软测量建模

针对单核函数最小二乘支持向量机容易陷入局部最优值,提出双核函数最小二乘支持向量机软测量建模算法。该方法利用Sigmoid核函数与RBF核函数线性加权构成双核函数,去除部分较小支持向量样本的方法,改善最小二乘支持向量机的稀疏特性,提高模型运算速度,用k-交叉验证法进行部分参数的优化,最后将此方法用于建立汽油干点软测量模型,并与标准支持向量机、单核最小二乘支持向量机比较,结果表明双核函数最小二乘支持向量机软测量模型具有更高的计算精度和更好的推广能力。