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.     

基于偏最小二乘法实现非线性回归分析

从应用的角度,提出了一种基于偏最小二乘回归和多项式回归相结合的多元非线性回归分析方法。通过理论分析及实例验证,指出该方法可以较好的进行多元非线性回归分析,具有较强的适用性。     

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.     

基于偏最小二乘回归建模的探讨

从工程应用的角度介绍了一种新的回归方法-偏最小二乘回归，分析了传统最小二乘回归所不具有的特点，数值实例研究表明偏最小二乘回归能在自变量间存在强相关的情况下建立模型，介最小二乘回归不能，同时，电路成品率估计研究表明，在较少样本点的情况下，利用偏最小二乘回归模型进行成品率估计是行之有效的，其预测精度能满足实际电路设计和分析的要求，且大大扰于最小二乘回归。     

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     

基于偏最小二乘回归的国家示范高职院校绩效分析

本文章基于70所国家示范性高职院校的相关指标数据,运用偏最小二乘(PLS)回归方法进行建模分析,构建其投入产出绩效模型,给出各产出指标关于投入指标的数量化关系表达式。计算结果表明,PLS是对高职院校绩效分析行之有效的量化分析方法。     

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。     

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下，如何建立它们之间的线性回归”的基本问题，以经典线性回归分析法为基础，结合对称Logratio变换，建立了一种基于偏最小二乘回归分析的成分数据预测模型，并对该模型进行了理论实证分析，论证了该模型的可行性与优良性，从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径．     

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.     

A Novel Extension of Kernel Partial Least Squares Regression

Based on continuum power regression(CPR) method, a novel derivation of kernel partial least squares(named CPR-KPLS) regression is proposed for approximating arbitrary nonlinear functions.Kernel function is used to map the input variables(input space) into a Reproducing Kernel Hilbert Space(so called feature space),where a linear CPR-PLS is constructed based on the projection of explanatory variables to latent variables(components). The linear CPR-PLS in the high-dimensional feature space corresponds to a no...     

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.     

偏最小二乘建模及其多重共线抑制能力分析

首先,分析偏最小二乘法解决问题的思路,进而从数学角度刻画偏最小二乘法的四步建模过程.然后,利用数学归纳法证实偏最小二乘法对多重共线的抑制能力.最后,以某地区的供水能力评价为研究实例,证实偏最小二乘法的有效性.结果表明:偏最小二乘法完全适用于多变量复杂关系的求解.     

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.     

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.     

江西省龙南县滑坡易发性评价

区域滑坡易发性评价是国内外地质灾害研究的重点和热点。目前,国内外学者已提出了支持向量机(support vector machine,SVM)、BP神经网络和随机森林等多种模型并成功用于滑坡易发性评价。但在利用这些机器学习模型评价滑坡易发性时,存在着参数选取困难、建模效率低、模型训练时间长和对评价指标解释能力弱等问题。为简化建模过程、提高预测精度及增强模型的可解释性,提出了基于频率比分析和偏最小二乘回归法(partial least squares regression,PLSR)的滑坡易发性评价模型。PLSR模型很好地发挥了主成分分析和回归分析的优势,考虑了评价指标间的内在联系,具有建模过程简洁、可解释性强的优点。将结合频率比法的PLSR模型应用于江西省龙南县滑坡易发性评价,并与BP神经网络、SVM模型的易发性评价结果进行对比。研究表明:PLSR模型的预测精度优于BP神经网络,且与SVM模型预测精度接近;另外,在综合考虑建模效率、预测精度和模型解释能力的情况下,PLSR模型具有更高的实用性。     

基于偏最小二乘的人脸超分辨率重构

提出了一种基于偏最小二乘(PLS)的超分辨率重构方法用于快速恢复高分辨率人脸图像.该算法利用主成分分析(PCA)方法将所有高、低分辨率人脸图像投影到各自的特征子空间中,通过PLS对高、低分辨率投影变量之间的统计关系进行回归建模.当输入的低分辨率人脸图像给定时,对应的高分辨率人脸图像可以由训练后的回归模型导出.实验结果表明,在离线训练的情况下,所提出的算法可以快速地给出令人满意的重构解.