偏最小二乘回歸分析方法(Partial Least Squares Regression,PLS)是一種多元數(shù)據(jù)統(tǒng)計(jì)方法,廣泛應(yīng)用在質(zhì)量控制、醫(yī)藥等各方面。傳統(tǒng)偏最小二乘方法處理線性數(shù)據(jù)之間的關(guān)系,在實(shí)際應(yīng)用中往往無法取得令人滿意的效果,其主要原因在于現(xiàn)象之間的聯(lián)系往往不是線性的,而是復(fù)雜的非線性關(guān)系。目前,非線性偏最小二乘算法也逐漸受到學(xué)者關(guān)注。然而現(xiàn)有的非線性偏最小二乘方法也各有優(yōu)劣,從計(jì)算效率、復(fù)雜程度、應(yīng)用層面上很難去尋求一種規(guī)范的非線性偏最小二乘方法。局部保持偏最小二乘(Locality-Preserving Partial Least-Squares,LPPLS)是一種全新的非線性偏最小二乘算法,用流形學(xué)習(xí)局部保持投影算法(Local Preserving Projection,LPP)替換傳統(tǒng)最小二乘算法中的主成分提取,通過利用局部線性近似來達(dá)到全局非線性映射的思路可以高效地提升系統(tǒng)非線性處理能力。本文基于這種新穎的非線性偏最小二乘算法——局部保持偏最小二乘方法進(jìn)行深入的理論研究,從該方法的幾何結(jié)構(gòu)特性分析入手,提出了正交化的改進(jìn)算法,在探索正交LPPLS方法在工業(yè)過程故...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 偏最小二乘方法的發(fā)展與現(xiàn)狀
        1.2.1 線性偏最小二乘的發(fā)展
        1.2.2 非線性偏最小二乘算法的發(fā)展
    1.3 特征提取的方法以及應(yīng)用
    1.4 課題來源
    1.5 論文的結(jié)構(gòu)與研究內(nèi)容
第二章 PLS及LPPLS介紹
    2.1 PLS算法介紹
    2.2 LPPLS算法
        2.2.1 LPPLS算法來源
        2.2.2 LPPLS算法原理
    2.3 本章小結(jié)
第三章 正交LPPLS的改進(jìn)及故障診斷應(yīng)用
    3.1 PLS與LPPLS的幾何特性分析
        3.1.1 PLS的幾何特性分析
        3.1.2 LPPLS的幾何特性分析
    3.2 正交C-LPPLS算法
    3.3 正交C-LPPLS在故障診斷過程中的應(yīng)用
        3.3.1 TE過程簡介
        3.3.2 仿真與應(yīng)用
    3.4 本章小結(jié)
第四章 正交LPPLS逆模型改進(jìn)及糖基化過程操作空間設(shè)計(jì)
    4.1 操作空間設(shè)計(jì)的基本概念和方法
    4.2 逆模型的數(shù)學(xué)表達(dá)
        4.2.1 PLS逆模型
        4.2.2 C-LPPLS逆模型
    4.3 逆模型的不確定度分析
        4.3.1 Y的不確定度分析
        4.3.2 X的不確定度分析
    4.4 逆模型在糖基化過程中的操作空間設(shè)計(jì)
        4.4.1 基于逆模型的操作空間設(shè)計(jì)原理
        4.4.2 操作空間設(shè)計(jì)流程與結(jié)果分析
    4.5 PLS和LPPLS逆模型及其操作空間的確定
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者及導(dǎo)師簡介
附件



本文編號：3976381