加权最小二乘支持向量机与最小二乘问题的关系

研究了加权最小二乘支持向量机与最小二乘法的关系．证明了用加权最小二乘支持向量机作函数估计与在特征空间中用最小二乘法得到的解是一致的．加权最小二乘支持向量机选择核相当于最小二乘法选择基函数组．由此提出了采用加权最小二乘支持向量机解决最小二乘法问题的思想,保证解具有良好的推广性、鲁棒性与稀疏性．     

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...     

最小二乘支持向量机的研究与应用

支持向量机是近年来机器学习领域出现的新的分类方法。在介绍支持向量机的基本原理及基于最小二乘支持向量机算法的基础上,结合一个实例阐述了最小二乘支持向量机在预测方面的应用,通过MATLAB仿真实验,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．     

偏最小二乘法用于近红外漫反射光谱测定异福片

应用近红外漫反射光谱结合偏最小二乘法(NIR PLS)对异福片中利福平和异烟肼的含量进行定量分析, 所建立的定量分析模型对校正集样品中利福平和异烟肼的含量预测回归系数分别为0.992　77,0.989　01,交互验证均方根误差(RMSECV)分别 为0.006　65,0.004　23.对预测集样品利福平、 异烟肼的含量预测均方根误差(RMSEP)分别为0.005　73,0.003　79;加样平均回收率分别为99.376%和98.243%;重现性实验相对标准偏差(RSD)分别为0.679　3%和0.639　8%.结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测、 重现性好等优点, 可作为异福片原位质量检测和在线质量监控的方法予 以推广.     

近红外光谱-偏最小二乘法无损定量分析异烟肼片

应用近红外漫反射光谱结合偏最小二乘法, 对异烟肼片中异烟肼的含量进行分析, 建立了近红外光谱数学校正定量分析模型, 其对校正集样品的交互验证均方根误差(RMSECV)为0.00632. 对预测集样品的预测均方根误差(RMSEP)为0.00603; 回归系数为0.99456;加样平均回收率为99.772%. 重现性实验相对标准偏差(RSD)为0.526%. 结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测和重现性好等优点.     

基于偏最小二乘回归的洪水预报方法

针对常规多元回归模型无法克服预报因子间复相关性的问题,提出了基于偏最小二乘回归的洪水预报方法.通过结合遗传算法与偏最小二乘回归来进行因子筛选,对筛选后的因子采用Bootstrap方法进行检验,再建立基于偏最小二乘回归的预报模型.实例分析结果表明,该方法建立的洪水预报模型结构简单,能依据给定目标进行因子筛选,有助于克服水...     

基于偏最小二乘支持向量机模型的个人信用评估研究

为了准确评价客户潜在信用风险,提出了偏最小二乘支持向量机组合评价模型.首先使用偏最小二乘能降低变量间的相关性,支持向量机可用于建立评估模型,然后采用相对误差频率分布作为新的指标评价模型,最后,与常见的评分模型在信用卡数据集上进行了对比.结果表明,PLS-SVM评价模型在有效性、稳定性以及准确性方面均有更好的表现.     

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。     

基于最小二乘-支持向量机的制粉过程煤粉细度软测量模型

煤粉细度是煤粉磨制过程控制的一个关键工艺指标,保证煤粉细度在一定范围内对于优化锅炉或回转窑的燃烧效率有着重要意义。由于煤粉细度无法在线测量,而离线化验既不能保证实时性,又容易造成煤粉泄漏污染环境,因此难以实现对煤粉细度的有效控制。该文通过对制粉过程中影响煤粉细度的因素进行分析,采用基于最小二乘-支持向量机的方法建立煤粉细度的软测量模型。通过模型误差最小的原则,确定了模型相关参数,解决了样本数量较少,常规软测量方法难以实现的问题。通过现场采集的样本数据进行的实验研究表明了该模型的有效性。     

实时灰色最小二乘支持向量机模型在蒸汽预测中的应用

针对锅炉蒸汽产量预测的非线性和灰色性,提出将实时灰色最小二乘支持向量机模型应用于蒸汽预测,预测结果与实时 模型的预测结果进行对比,证明该模型具有更高的预测精度,可为蒸汽生产和调度提供决策依据。     

基于最小二乘支持向量机动态逆的非线性系统自适应控制

提出基于最小二乘支持向量机动态逆的一种非线性系统自适应控制方法.该方法采用最小二乘支持向量机辨识非线性系统的动态逆模型,并将其串联在原系统之前得到复合的伪线性系统.对于建模误差、不确定因素等引起的非线性系统逆误差,采用在线最小二乘支持向量机进行自适应补偿.最小二乘支持向量机的在线参数调整规律由Lyapunov稳定性理论导出,并证明了非线性闭环系统的稳定性.仿真结果证明了该方法的有效性.     

基于最小二乘支持向量机的三维地形匹配选择

采用互相关代替自相关的方法计算基准图子图的相关长度,引入子图均值标准化的方法计算基准图子图的地形熵,使得它们的计算值和基准图子图的匹配概率之间具有良好的单调性.以相关长度、地形熵和粗糙度作为反映基准图子图适配性的特征向量,采用最小二乘支持向量机作为分类工具,将基准图子图划分为适配的和非适配的两类,并由适配的基准图子图类构成地形匹配区.实验结果表明所提出的方法能够有效地规划出所需的三维地形匹配区.     

最小二乘支持向量机在害虫预测中的应用

针对害虫发生量数据的小样本、非线性特点,提出一种最小二乘支持向量机的害虫预测方法.首先采用多元线性回归分析法选择害虫发生量的影响因子,然后通过遗传算法对最小二乘支持向量机参数进行优化,最后建立害虫发生量与影响因子之间复杂的非线性关系模型.采用二代玉米螟百株幼虫虫量对模型性能进行检验,结果表明,相对于多元线性回归、BP神经网络模型,最小二乘支持向量机提高了二代玉米螟发虫量的预测精度,是一种有效的害虫变化预测方法.     

基于最小二乘孪生支持向量机的图像拼接检测

图像篡改最基础的手段便是拼接,为了恢复人们对数字图像的信任,图像拼接检测变得非常重要.论文提出一种基于最小二乘孪生支持向量机的图像拼接检测算法,算法对待测图像进行对偶数复小波变换以获取不同的子带图像,对子带图像提取其马尔科夫状态转移概率矩阵,将该概率矩阵作为拼接特征向量送入最小二乘孪生支持向量机训练以获取预测模型,最后根据该模型来判断待测图像是否经过拼接.在哥伦比亚大学无压缩图像拼接检测评估库和哥伦比亚大学图像拼接检测评估库上分别进行实验,与传统算法做对比,实验结果充分证明论文所提算法具有更高的拼接检测准确率.     

基于优化最小二乘支持向量机的数控机床热误差建模分析

数控机床热误差是降低加工精度的主要因素之一.针对热误差建模问题, 结合布谷鸟算法的随机莱维飞行机制和最小二乘支持向量机结构风险最小化与线性规划等优点, 提出基于布谷鸟算法优化最小二乘支持向量机的热误差建模方法.在最小二乘支持向量机将低维非线性问题转化为高维线性问题时, 构建了混合核函数.同时,采用布谷鸟算法对最小二乘支持向量机惩罚因子γ、核宽度参数σ和混合核权值λ进行了优化.以GMC2000A机床为实验对象, 分别对热误差数据进行了聚类分析和建模分析.通过误差预测对比分析得出结论, 基于布谷鸟算法优化混合核最小二乘支持向量机建立的误差模型取得了良好的预测效果, 且明显优于BP神经网络模型和未优化的最小二乘支持向量机模型的预测效果.     

基于双参数最小二乘支持向量机(TPA-LSSVM)的风电时间序列预测模型的优化研究

风电时间序列预测模型的优劣直接影响风功率的应用价值,最小二乘支持向量机（least squares support vector machine,LSSVM）在处理风电预测问题上具有明显优势。提出了一种双参数算法（two-parameter algorithm,TPA）,从理论上证明了任意初始值均可线性收敛到全局最优值。调用TPA算法对LSSVM模型的惩罚因子和径向基宽度进行寻优赋值,并将训练好的TPA-LSSVM模型应用于风电预测中。仿真结果表明,与LSSVM模型、粒子群最小二乘支持向量机（PSO-LSSVM）模型、径向基函数神经网络（RBFNN）模型相比,TPA算法可以更好地实现LSSVM的参数寻优,TPA-LSSVM模型能有效提高预测精度。     

求解低秩密度矩阵约束最小二乘问题的优函数罚方法

本文应用优函数罚方法求解具有低秩密度矩阵约束的最小二乘问题. 首先用凸差方法处理非凸的低秩约束,并结合罚方法和优函数方法将原问题转化为一系列具有密度矩阵约束的凸优化问题,然后给出求解该优化问题的优函数罚方法,并对该方法进行收敛性分析. 之后,运用半光滑牛顿增广拉格朗日算法求解优函数罚方法的子问题. 最后,合成数据集和真实数据集上的数值结果表明了优函数罚方法有效地求解了具有低秩密度矩阵约束的最小二乘问题.