本文選題：受限玻爾茲曼機(jī) + 偏最小二乘法　； 參考：《計(jì)算機(jī)工程》2017年07期

【摘要】：偏最小二乘法內(nèi)部采用主成分分析,不能充分表達(dá)數(shù)據(jù)的非線(xiàn)性特征,對(duì)非線(xiàn)性數(shù)據(jù)的預(yù)測(cè)精度較低。為此,提出一種融合受限玻爾茲曼機(jī)與偏最小二乘的分析預(yù)測(cè)方法。該方法利用受限玻爾茲曼機(jī)對(duì)特征空間提取非線(xiàn)性結(jié)構(gòu),將提取的特征成分取代偏最小二乘中的成分,從而得到適應(yīng)非線(xiàn)性的模型。實(shí)驗(yàn)結(jié)果表明,融合受限玻爾茲曼機(jī)與偏最小二乘法的分析方法能較好地反映數(shù)據(jù)的非線(xiàn)性特征。
[Abstract]:The principal component analysis (PCA) is used in the partial least square method, which can not fully express the nonlinear characteristics of the data, and the prediction accuracy of the nonlinear data is low. In this paper, a method of combining constrained Boltzmann machine and partial least squares is proposed. In this method, the nonlinear structure is extracted by using a constrained Boltzmann machine on the feature space, and the extracted feature components are replaced by the components in the partial least squares, and a nonlinear model is obtained. The experimental results show that the method of fusion of constrained Boltzmann machine and partial least square method can well reflect the nonlinear characteristics of the data.
【作者單位】： 江西中醫(yī)藥大學(xué)計(jì)算機(jī)學(xué)院;江西中醫(yī)藥大學(xué)藥學(xué)院;
【基金】：國(guó)家自然科學(xué)基金“融合隨機(jī)森林的偏最小二乘法在中醫(yī)藥數(shù)據(jù)分析中的應(yīng)用研究”(61363042);國(guó)家自然科學(xué)基金“融合Softmax回歸和偏最小二乘的中藥數(shù)據(jù)分析方法研究”(61562045) 江西省自然科學(xué)基金重大項(xiàng)目(20152ACB20007) 江西省高�？萍悸涞赜�(jì)劃項(xiàng)目(LD12038) 江西中醫(yī)藥大學(xué)校級(jí)研究生創(chuàng)新專(zhuān)項(xiàng)資金計(jì)劃項(xiàng)目(JZYC15S09)
【分類(lèi)號(hào)】：O212.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 劉來(lái)福，唐志宇，，匡錦瑜;向量玻爾茲曼機(jī)[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年04期

2 ;[J];;年期

相關(guān)碩士學(xué)位論文 前10條

1 李娟;基于RBM的小分子活性及選擇性研究[D];蘭州大學(xué);2015年

2 葉睿;基于深度學(xué)習(xí)的人臉檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 張衛(wèi)東;深度信念網(wǎng)絡(luò)及其在手寫(xiě)字體識(shí)別中的應(yīng)用[D];成都理工大學(xué);2015年

4 施維劏;門(mén)限玻爾茲曼機(jī)在人臉識(shí)別中的魯棒性研究[D];北京交通大學(xué);2015年

5 萬(wàn)程;自適應(yīng)基數(shù)受限玻爾茲曼機(jī)[D];清華大學(xué);2015年

6 李亦錟;受限的玻爾茲曼機(jī)在背景建模和文本建模中的研究與應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

7 張艷霞;基于受限玻爾茲曼機(jī)的深度學(xué)習(xí)模型及其應(yīng)用[D];電子科技大學(xué);2016年

8 朱常寶;基于深度玻爾茲曼機(jī)的特征學(xué)習(xí)算法研究[D];北京化工大學(xué);2016年

9 張怡康;基于受限玻爾茲曼機(jī)的深度學(xué)習(xí)方法研究[D];北京化工大學(xué);2016年

10 董時(shí)靜;全局形狀與局部一致性聯(lián)合建模的顯著性檢測(cè)[D];大連理工大學(xué);2016年

本文編號(hào)：2099274