偏最小二乘法的简化算法

ＰＬＳ首先由Ｗｏｌｄ在１９９６年提出并应用于经济计量学中［１］，直到８０年代开始在化学中得到应用，成为一种新的多元分析方法，已成功地用于分析化学［２］．如：紫外光谱、气相色谱和电分析化学，等等．在实际分析中，ＰＬＳ广泛用于混合物多组分的同时测定，对吸...     

基于特征联合和偏最小二乘降维的手势识别

针对以往手势识别研究中更关注识别率而弱化实时性的情况,首次将偏最小二乘降维思想引入手势识别领域,提出一种基于特征联合和偏最小二乘降维的手势识别方法。首先进行手势分割,在此基础上提取手势样本的梯度方向直方图和局部二值模式特征,并将二者进行联合。然后采用偏最小二乘法对手势联合特征进行降维,并将降维后的手势训练样本特征输入到支持向量机中进行分类训练。最后用训练好的支持向量机对降维后的手势测试样本进行识别测试。基于Jochen Triesch手势库及自制手势库的实验结果表明,同已有方法相比,本文所提方法在取得较高手势识别率的同时也取得了较好的实时性。     

傅立叶近红外漫反射光谱的偏最小二乘法应用研究

对小麦粉的傅立叶近红外漫反射光谱和成分浓度数据进行了偏最小二乘法处理,对小麦粉的水分、蛋白质干基以及湿面筋干基同时进行了定标和预测.结果证明:偏最小二乘法充分利用了样品的光谱信息和化学组分浓度信息,对于成分复杂以及光谱重叠现象严重的光谱仍然给出了优良的定标和预测结果.     

基于偏最小二乘法的土壤有机碳高光谱预测研究

对86个土壤样品高光谱数据进行平滑去噪、一阶微分变换以及多元散射校正处理,在此基础上,建立土壤有机碳含量的偏最小二乘法(PLS)反演模型.结果表明,获得的五种PLS模型均具有较高的模型精度.其中,主成份个数为10时,R+MSC的PLS模型效果最好.校正模型的决定系数R2=0.95,校正均方根误差RMSEC=0.95.验证模型的决定系数R2=0.78,预测均方根误差RMSEP=2.03.利用PLS模型对预测集进行预测,实测值与预测值的决定系数R2=0.83,预测均方根误差RMSEP=1.71,预测标准差SEP=1.73.PLS模型可以对土壤有机碳含量进行预测.     

基于动态聚类与偏最小二乘回归分析的居民用电负荷预测

先用动态聚类法对福州市居民历史用电负荷进行聚类分析以获得一个样本空间,在此基础上采用偏最小二乘回归方法进行建模和短期负荷预测分析.     

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.     

基于二维最小二乘回归的子空间分割

现实中有很多样本数据是二维的,且多数聚类方法需将二维样本数据向量化,从而导致二维数据的内部几何信息丢失.针对这一问题,提出二维最小二乘回归子空间分割方法直接对二维数据进行聚类,将一维最小二乘回归子空间分割方法推广到二维,使得原始数据的结构信息得以保留.在人脸数据集和哥伦比亚大学图像数据集上进行实验,结果表明该方法是有效的.     

偏最小二乘法用于荧光光度法同时测定磷,硅的研究

将偏最小二乘法（ＰＬＳ）用于荧光光度法同时测定磷、硅，对荧光光度法测定条件及ＰＬＳ法最佳条件进行了试验和讨论。所建立的方法用于合金钢中磷、硅进行测定，获得了较满意的结果．     

偏最小二乘原子吸收光谱法同时测定汞和钴

该文用偏最小二乘法校正了火焰原子吸收分析中Ｃｏ２５３．６４９ｎｍ对Ｈｇ２５３．６５２ｎｍ的吸收线重叠干扰，对合成样中Ｈｇ和Ｃｏ的测定结果令人满足，ＰＬＳ法是原子吸收谱线重叠干扰的有效校正方法。     

基于降维的聚类可视化技术

基于降维或映射技术的聚类结果可视化技术提供了在二维或三维空间直观地分析数据集的聚类结构、聚类质量和分布信息的有效手段.对线性降维可视化方法、非线性降维可视化方法及映射可视化方法等进行了介绍、实例展示和讨论分析,最后对这类方法的优缺点、存在的问题和进一步的研究方向做了总结和展望.     

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.     

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。     

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.     

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。     

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.     

基于KPLS的丙烯爆炸极限非线性预测研究

准确预测丙烯爆炸极限是保证丙烯酸安全生产的有效手段.丙烯爆炸混合气各成分体积分数之间呈现非线性关系,采用KPLS算法对丙烯爆炸极限进行预测,并利用丙烯酸实际数据进行仿真.仿真结果表明,该方法能够有效预测丙烯爆炸极限.与PLS算法相比,预测结果具有显著的跟踪能力,并确定了2.56%~9.25%的丙烯爆炸区域,解决了生产过程中丙烯爆炸问题.     

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...     

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.