10.3969/j.issn.1000-7024.2014.08.055
融合SBM的偏最小二乘辅助分析
偏最小二乘回归(PLS )自带的 T2椭圆图辅助分析方法具有一定的“噪音”识别能力,但无法分析多维空间中的“噪音”。在此基础上,提出将SBM算法引入到偏最小二乘辅助分析中,优化偏最小二乘回归建模。对样本数据进行综合评价,将有效的数据用来进行偏最小二乘回归,以避免“噪音”数据对回归精度的影响,弥补偏最小二乘回归辅助分析技术的不足。以中药实验实例进行计算,对于其2个因变量, SBM 算法优化的 PLS回归平均相对误差分别为5.0844%和8.7485%,低于直接PLS的5.5825%和9.2810%;以刀具磨损实验数据进行计算,对于其单个因变量,优化后的PLS回归平均相对误差为2.6984%,低于直接PLS的3.3526%。模拟实验结果表明,优化后的PLS回归结果比直接 PLS精度更高。
偏最小二乘、基于松弛变量测度模型、优化回归、平均相对误差、辅助分析
TP39(计算技术、计算机技术)
国家973重点基础研究发展计划基金项目2010CB530602;国家自然科学基金项目61363042;江西省研究生创新基金项目YC2013-S226
2014-09-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
2896-2900