偏最小二乘回归在课堂教学质量评价中的应用

本文利用方差膨胀因子诊断了课堂教学评价的指标,在此基础上建立了偏最小二乘回归评价模型,有效的克服了评价指标间的多重共线性。分析了影响影响课堂教学质量评价的主要指标,为改进课堂教学指明了方向。     

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。     

基于偏最小二乘回归的研制费用估算模型

进行了导弹研制费用分析,建立了费用特征参数的量化模型.为解决因样本数据少引发的研制费用估算精度低的问题,引入了偏最小二乘回归灰色组合模型,并针对一组费用数据进行了实际应用.结果表明估算精度较高.     

偏最小二乘回归模型在织物厚度预测中的应用

织物厚度是织物服用性的重要影响因素之一,通过分析影响织物厚度的组织参数,建立了织物厚度预测的偏最小二乘回归模型,得到了很好的拟合结果。     

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。     

基于偏最小二乘法回归的工序质量建模

针对制造工序质量控制问题,应用多元统计分析中的偏最小二乘回归法建立了质量模型.利用该模型可以定量分析加工工序与最终成品率之间的关系,进而通过将大量的工序影响因子约简得到主要影响因子子集.根据在线生产的相关质量数据,采用非线性迭代偏最小二乘法获得影响因子的权重.得到偏最小二乘因子权重可以在线预测成品质量变化,避免离线测试.在半导体制造实例研究中,以工序质量水平为自变量,成品质量水平为因变量,建立了质量水平传递模型,应用该方法可实现多工序质量异常的在线诊断和预测,为质量控制提供了定量依据.     

偏最小二乘回归在大气污染预报建模中的应用

本文利用西安市城区2005年1月至2007年12月逐日SO2大气环境质量浓度和同期地面气象要素资料,从空气污染扩散方程出发,经过简化推导,利用偏最小二乘回归方法进行了西安市SO2空气污染预报的动力学统计模型的研究。     

基于偏最小二乘回归分析综述

综述了偏最小二乘法直接求解的方法,以及不同情况下的偏最小二乘回归算法,总结其优点及局限性.     

完整桩极限承载力的偏最小二乘回归预测法

关于完整桩轴向极限载力Qu与桩长L、桩径d、桩的阻尼自振基频f1、桩的应力波波速c以及桩的单位动刚度Kd等参数,已知Qu的大小与上述5个参数存在一定的关系,现采用偏最小二乘回归方法对其进行描述。偏最小二乘回归方法是近年来产生和发展的一个具有广泛适用性的多元统计分析方法。其特有的选择因子方式与传统方法迥然不同,而其计算量比传统方法都小。它意义明确,计算简单,建模效果好,解释性强,日益成为工程技术人员和经济管理工作者能够熟练掌握的实用工具。     

基于偏最小二乘回归的产品功能可用性评价

现有的产品功能可用性研究仅为提升具体功能的可用性,忽视了用户对产品功能可用性的偏好问题。为解决该问题,首次提出了基于偏最小二乘回归的产品功能可用性评价方法。在常用可用性分析方法基础上,对细分市场产品整体满意度和功能可用性进行偏最小二乘回归。结合功能可用性评价矩阵分析产品功能改进方向。最后,通过手机实例进行了方法的演示,验证该方法是产品功能可用性分析的有效方法。     

基于PLS模型的自适应间歇过程质量预测

间歇生产过程中,很多质量指标不能在线测量,导致过程很难控制。该文应用部分最小二乘(PLS)方法建立软测量模型,通过批次初期在线测量的过程变量对最后的产品质量进行预测。同时,利用过程中得到的中间质量测量值对最后的预测结果进行修正。为了解决过程参数随时间变化的问题,在每个批次结束后利用新数据对原模型进行更新。将该法用于异丁烯酸甲酯(MMA)聚合反应过程,仿真结果显示,该法能够克服过程参数变化的影响,有效地预测最后的产品质量。     

部分最小二乘算法的神经元网络实现

部分最小二乘(PLS)算法在多元统计过程监控等领域得到了广泛应用.但常用的求解方法需要多次迭代求解残差矩阵,不利于对算法的理论分析和结论的解释.基于PLS算法的优化函数形式,该文提出一种新的PLS优化目标函数及相应简化算法.在此基础上构造了PLS算法与线性神经元网络之间的自然映射,给出了相应的训练算法及其理论分析.仿真结果验证了所提出算法的有效性,表明该算法可直接从原数据矩阵得到相应的成分及回归系数,并易于对其进行解释.     

近红外光谱-偏最小二乘法非破坏分析酱油的主要成分

将近红外光谱技术与偏最小二乘法（PLS）相结合建立 数学校正模型, 对酱油中的氨基酸态氮、 总酸以及食盐进行快速、 无损定量分析, 并对酱油的色度进行预测, 同时讨论了光谱预处理方法和主成分数对PLS模型预测精度的影响. 结果表明, 采用一阶导数预处理光谱建立的数学校正模型能得到最佳的预测效果, 在对预测集18个样本中的氨基酸态氮、 总酸、 食盐的含量和色度进行预测时, 所得的预测集相对标准 偏差分别为1516%, 1811%, 1798%, 1893%. 实验结果具有较高的预测精度, 可以用于酱油中主要 成分含量的测定.     

基于偏最小二乘回归的粮食产量模型分析

利用偏最小二乘回归方法对我国的粮食产量建立模型.在此基础上通过构造符合F分布的统计量,绘制T2椭圆图检测样本点中是否存在的异常点;通过构造变量投影指标反映每个自变量对因变量的影响程度,以此来提出提高因变量产量.     

偏最小二乘回归分析法在黄芩抑菌谱-效关系及数学模型研究中的应用

以黄芩药材指纹图谱及其对金黄色葡萄球菌抑菌率为基础数据，采用偏最小二乘回归分析法（PLS）进行数据的谱-效相关性分析，并建立数学模型。结果表明，黄芩中有5个成分对抑菌率的影响较大，建立模型的药效预测值偏差在10%以内，能够较好地预测药效。该方法及所建立的数学模型能成为预测黄芩抑制金黄色葡萄球菌的药效作用的一种有效的手段。     

偏最小二乘回归分析法在黄芩抑菌谱-效关系及数学模型研究中的应用

以黄芩药材指纹图谱及其对金黄色葡萄球菌抑菌率为基础数据,采用偏最小二乘回归分析法(PLS)进行数据的谱-效相关性分析,并建立数学模型。结果表明,黄芩中有5个成分对抑菌率的影响较大,建立模型的药效预测值偏差在10%以内,能够较好地预测药效。该方法及所建立的数学模型能成为预测黄芩抑制金黄色葡萄球菌的药效作用的一种有效的手段。     

异常点检测后的偏最小二乘回归模型

偏最小二乘回归是通过一组自变量来预测一个或一组因变量的统计方法。但在很多情况下用于建模的样本点由于种种原因会出现一些异常情况,这些异常点和其他样本点之间都存在着很大的偏差。异常点的存在对所建立的模型和真实模型就有很大的偏差。基于这一问题本文通过构造统计量对所给的样本点进行选择,剔除对模型的构造有很大影响力的样本异常点,从而获得一个相对合理的样本空间。在相对合理的样本空间中采用偏最小二乘回归建立模型。运用MATLAB编程,通过一个实例说明在对于异常点剔除后的样本空间中建立模型的精确程度有了很大的提高。     

基于PLS-混合Pi-Sigma模糊神经网络模型的甲醇合成装置变换工序CO变换率软测量建模

煤制甲醇合成变换过程中,需要把原料气中的一部分CO变换成CO2与H2,以提高H2的含量。为了能够快速地得到CO的变换率,利用偏最小二乘在提取信息、去噪、精简数据等方面的优势,将其与混合Pi-Sigma模糊神经网络进行了融合,建立了CO变换率预测模型。该模型仿真时间短且具有较高的精度,能够指导并调整甲醇合成净化气中的碳氢比。     

目标船碰撞危险及模型

针对目标船间的碰撞危险提出一种利用本船观测获取的目标船数据,解算目标船间dCPA和tCPA的方法,通过建立的目标船间碰撞危险数学模型可直接获得周边水域目标间的碰撞危险信息,为值班驾驶员及避碰专家系统提供更加有效的避碰决策信息,有利于提高船舶避碰决策的正确性.