融合SBM的偏最小二乘辅助分析

摘要：

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。

关键词：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

分类号：TP39(计算技术、计算机技术)

资助基金：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

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2896-2900