固定影响平行数据模型参数的偏最小二乘估计

当平行数据的解释变量之间存在严重的多重共线性,或者样本点个数与解释变量个数相比较少时,用经典方法求解模型(如最小二乘法等)误差偏大,难以满足实际要求。针对这种情况本文提出用偏最小二乘法思想求解固定影响平行数据模型,并且实例表明误差明显减少,可以满足建模、预报的要求。     

约束非线性最小二乘的极大熵方法

研究一种将变尺度方法与极大熵方法相结合的新方法，并将其用于约束非线性最小二乘问题，这是一种对有约束和无约束非线性最小二乘问题的统一算法，实现了对Ｈｅｓｓｅ矩阵的整体逼近。新方法具有显式搜索方向，因而在迭代中不需要求解二次规划子问题，数值结果表明该方法是有效的。     

基于粗糙集的偏最小二乘回归方法

针对变量之间多重相关性导致最小二乘估计失效的问题,提出基于粗糙集改进偏最小二乘回归建模方法.首先,利用粗糙集对数据进行一般约简,去除冗余信息,再进行偏最小二乘回归分析,建立回归模型.通过实例计算,并与PLSR、PCR进行比较分析.结果表明：用粗糙集改进的PLSR建模精度为3.65%,分别高于PLSR(4.07%)和PCR(4.45%),从而验证了所提出方法的通用性及实用价值.     

约束非线性最小二乘的极大熵方法

研究一种将变尺度方法与极大熵方法相结合的新方法，并将其用于约束非线性最小二乘问题，这是一种对有约束和无约束非线性最小二乘问题的统一算法，实现了对Ｈｅｓｓｅ矩阵的整体逼近．新方法具有显式搜索方向，因而在迭代中不需要求解二次规划子问题．数值结果表明该方法是有效的     

成分数据的偏最小二乘回归分析法

本文针对具有成分数据信息的多因变量对多自变量线性回归问题,在传统的线性回归基础上提出了一种成分数据的偏最小二乘回归分析法,并对其进行了理论性分析,论证了该方法的可行性与合理性。     

基于偏最小二乘回归的装甲车辆润滑油监测

采用偏最小二乘回归方法,经交叉有效性检验,选取2个成分建立了某中型坦克变速箱的润滑油油液污染度与磨粒浓度、磨损烈度指数和大磨粒百分比的关系模型,该模型对各自变量的累计解释能力均达到97％以上,对因变量的累计解释能力超过98％,通过该模型计算得到油液污染度的拟合值与实测值的最大相对误差不超过7％,可以对油液污染度进行有效预测,从而为设备的正确维护提供有效的依据,实现预防性维修。 关键词：装甲车辆;润滑油监测;偏最小二乘回归     

偏最小二乘回归与神经网络结合模型的应用

偏最小二乘回归是一种新型的多元统计数据分析方法，能够在自变量存在严重相关的条件下进行回归建模；神经网络可以克服模型是观测数据的线性组合的局限。将两者有机的结合起来，建立偏最小二乘回归神经网络模型，可以使预报的精度提高。     

基于核偏最小二乘回归的人脸识别

在采用主成分分析进行人脸重构和识别时,仅从样本自身提取特征向量会导致识别误差。因此,在参考主成分分析的基础上,采用偏最小二乘回归进行人脸图像的训练和识别,并对偏最小二乘回归引入核函数。在ORL人脸数据库上的实验结果表明,偏最小二乘回归明显优于主成分分析,同时核偏最小二乘回归也显著提高了识别正确率。     

基于改进的偏最小二乘回归的酸雨pH值预测

酸雨pH值受到酸性离子[SO4^2-]、[NO3^-]和碱性离子[Ca^2＋]、[NH4^＋]等的影响。这些影响因素之间存在多重相关性。用一般最小二乘回归分析预测pH值,参数估计存在很大的误差且物理意义明显不足。应用偏最小二乘回归技术建立pH值预测模型,克服了自变量之间多重相关性的问题,因而更具有先进性,计算结果更为可靠,而改进的偏最小二乘回归则从预测角度对偏最小二乘回归模型进行了改进。以我国17个城市pH值预测为例,说明了改进的偏最小二乘回归法比普通偏最小二乘回归法效果好。     

On-Line Batch Process Monitoring Using Multiway Kernel Partial Least Squares

An approach for batch processes monitoring and fault detection based on multiway kernel partial least squares (MKPLS) was presented. It is known that conventional batch process monitoring methods, such...     

杂多酸（盐）在苯酚羟化反应中的催化活性

研究了２０余种杂多酸（盐）在苯酚羟化反应中的催化活性，在考查的催化剂中，Ｈ６Ｐ２Ｗ１８Ｏ６２和Ｋ５（ＰＷ１１Ｏ３９Ｍｎ（Ｈ２Ｏ））催化效果最好，二元酚总收率分别达３１％和２８．４％，对苯二酚的选择性分别达７７．４％和９０．５％，具有明显的应用前景。     

基于偏最小二乘分析的人脸表示与识别

基于偏最小二乘回归分析,提出了一种新的人脸表示与重构方法.与主成分分析相比,通过偏最小二乘所抽取的低维人脸表示特征具有更好的分类性能.在ORL人脸数据库上的实验结果表明,基于偏最小二乘方法对于测试图像进行重构优于主成分分析方法,并且分类结果也好于后者.     

一种改进的基因表达数据分类方法

从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余．实验结果表明,新方法可有效提高分类准确率和特征选取的效率．     

一种采用偏最小二乘回归的情绪调节策略预测模型

针对目前个性化网络学习中重知识轻情感的现状,从学习者负面情绪调节入手,提出采用偏最小二乘回归方法,以采集的学习者的个性特征为自变量,负面情绪调节的策略特征作为应变量,建立学习者的情绪调节策略预测模型.通过实例验证,此模型具有较好的拟合预测能力.实验结果表明,个性对情绪调节策略的解释能力达70%,揭示出学习者负面情绪补偿的方法与个性相关联.     

偏最小二乘紫外分光光度法同时测定四环素、土霉素和甲稀土霉素

将偏最小二乘紫外分光光度法应用于合成样品中四环素（TC）、土霉素（OTC）和甲稀土霉素（MTC）三组分含量的分析研究,确定了最佳实验条件．实验结果表明,偏最小二乘紫外分光光度法对样品中各组分的平均回收率在95．8％-103．6％之间,样品不经分离即可同时测定,取得了满意的分析结果．     

基于偏最小二乘地理元胞模型的城市生长模拟

提出了一种基于偏最小二乘回归(PLS)方法的地理元胞(cellular automata,CA)模型PLS-CA,并用来模拟城市生长和扩展.CA模型的定义涉及存在严重相关性的众多空间变量,而传统的多准则判别技术(MCE)和主成分分析(PCA)不能够彻底地解决变量相关性问题.利用偏最小二乘回归从空间变量中提取线性无关的主成分,从而获取地理元胞自动机(CA)的转换规则,在地理信息系统(GIS)环境下建立PLS-CA模型,可以优化城市生长和扩展的模拟.利用提出的PLS-CA模型,模拟了上海市嘉定区1989年与2006年城市生长和扩展情况.     

近红外光谱结合偏最小二乘法测定福多斯坦成分含量

采用近红外漫反射光谱分析技术和偏最小二乘法对福多斯坦药物的有效成分进行定量分析测定,采集48个不同比例的福多斯坦样品近红外漫反射光谱,用一阶导数的光谱预处理方法,结合偏最小二乘法建立福多斯坦的定量分析模型.结果显示:交互验证均方根误差为0.003 57,相关系数R为0.994 77,预测均方根误差为0.003 89,平均回收率为99.63%(n=8),结果表明,用近红外光谱分析技术联合偏最小二乘法对福多斯坦进行定量分析结果准确可靠,方法简便快速.     

小麦赤霉病神经网络和偏最小二乘预测模型

选取2004-2014年间发病期的气象因素为自变量,小麦赤霉病病穗率为因变量,借助神经网络的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法,建立了小麦赤霉病的气象预报模型.由于神经网络无法提供直观的函数来反映病穗率与气象因子之间的关系,为了进一步分析气象因子间的相关性,采用主成分分析法提取主成分,并利用回归分析得到线性函数关系,建立了偏最小二乘模型.神经网络预测模型平均预报精度达到99%,但只提供病穗率和气象因子之间的拓扑关系;偏最小二乘预测模型可以得到病穗率和气象因子之间直观的函数关系,模型平均预报精度达到97%.2种模型均具有较高的预报精度,对小麦赤霉病的预防工作具有一定的参考价值.