2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、復(fù)雜樣品的定性定量分析在分析化學(xué)及工業(yè)生產(chǎn)中一直是具有挑戰(zhàn)性的課題。近紅外光譜技術(shù)有著樣品預(yù)處理簡單、分析速度快、非破壞性等優(yōu)點,已經(jīng)被廣泛地應(yīng)用到醫(yī)藥、石油化工、食品、農(nóng)業(yè)等領(lǐng)域。但是近紅外光譜譜峰寬且重疊嚴(yán)重,因此必須要借助多元校正獲得某一組分的定量信息,如多元線性回歸(MLR)、主成分回歸(PCR)、偏最小二乘法(PLS)等。PCR的主要目的是要提取隱藏在矩陣X中的相關(guān)信息,然后用于預(yù)測變量Y的值。這種做法可以保證讓我們只使用那些

2、獨立變量,噪音將被消除,從而達到改善預(yù)測模型質(zhì)量的目的。但是,主成分回歸仍然有一定的缺陷,當(dāng)一些有用變量的相關(guān)性很小時,我們在選取主成分時就很容易把它們漏掉,使得最終的預(yù)測模型的可靠性下降,如果我們對每一個成分進行挑選,那樣又太困難了。PLS可以解決這個問題。它采用對變量X和Y都進行分解的方法,從變量X和Y中同時提取成分(通常稱為因子),再將因子按照它們之間的相關(guān)性從大到小排列。但是,當(dāng)在X空間中有很多的變量與Y無關(guān)時,就會出現(xiàn)PLS模

3、型性能不佳的狀況。這種(X中的變量)與Y不相干的規(guī)律,例如基線漂移和光譜數(shù)據(jù)中的不重要區(qū)域,使PLS模型解釋起來更復(fù)雜。在某些情況下,甚至?xí)a(chǎn)生不必要的巨大的預(yù)測誤差。針對這個缺陷畢一鳴等人提出SLT-PLS算法,使得該缺陷得以解決。但是一旦當(dāng)樣本分布不均勻的時候,STL-PLS不能夠很好地進行預(yù)測,不能夠達到理想的預(yù)測結(jié)果。
  為了解決這個缺陷,本文將引進集成學(xué)習(xí)的算法。自從二十世紀(jì)九十年代開始到現(xiàn)在,集成學(xué)習(xí)(Ensembl

4、e Learning)已經(jīng)成為機器學(xué)習(xí)四大研究方向中最主要的方向。它可以有效地提高機器學(xué)習(xí)算法的泛化能力和整體性能,已經(jīng)在web信息檢索與過濾,數(shù)據(jù)挖掘分析等多個領(lǐng)域取得了成功的應(yīng)用。
  本文提出了一個新的組合式算法,用來進行近紅外光譜數(shù)量分析。該算法是由bagging和SLT-PLS相結(jié)合的,名為bagging-sltpls(BSPLS)。首先利用bagging算法中的隨機取樣原則,能夠利用較少的樣本建立模型,節(jié)省了建模時間,

5、增加了模型的數(shù)量。在建立每個子模型的時候,使用了SLT-PLS算法,這樣可以解決當(dāng)在X空間中有很多的變量與Y無關(guān)時,SLT-PLS不能夠很好地進行預(yù)測的問題。最后,應(yīng)用平均數(shù)權(quán)重規(guī)則和帶有選擇性集成的交互檢驗權(quán)重規(guī)則把各個模型結(jié)果結(jié)合起來。權(quán)重規(guī)則能夠排除貢獻小的模型,留下貢獻大的模型,從而解決了一旦當(dāng)樣本分布不均勻的時候,STL-PLS不能夠很好地進行預(yù)測,不能夠達到理想預(yù)測結(jié)果的問題。在本文提出的BSPLS算法的實驗中,分析了兩個權(quán)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論