博士科研启动基金(2008B06)
- 作品数：5 被引量：3H指数：1
- 相关作者：谭超覃鑫李梦龙吴同更多>>
- 相关机构：宜宾学院四川大学更多>>
- 发文基金：博士科研启动基金四川省青年科技基金更多>>
- 相关领域：理学化学工程自动化与计算机技术更多>>
- 子空间集成回归算法在多元校正中的应用
- 2010年
- 为提升多元校正模型的性能并简化其复杂度,遵循机器学习领域的集成思路,提出了一种基于子空间建模并以多元线性回归为基础的算法,多元校正算法,简写作SER-MLR。通过两个近红外光谱定量应用试验及与全谱偏最小二乘算法(PLS)的比较,验证了其优良的综合性能,该算法不仅容易解释,而且能够以更低的计算代价建立起简洁、稳健的校正模型,对过拟合也不敏感。
- 谭超覃鑫
- 关键词：子空间近红外光谱
- 基于自助采样和互信息策略的集成校正算法及应用被引量：2
- 2010年
- 综合应用训练集自助采样(bootstrap)和互信息(mutual information)选择变量来引入成员模型间的差异性,提出一种子空间回归的集成校正算法ESPLS。当建立一成员模型时,先淘汰互信息量小于一个特定阈值的变量,使建模在原变量的一个子空间上进行,有效避免了多元共线性产生的诸多问题。通过一近红外光谱数据集实验,同时与全谱偏最小二乘法(PLS)和互信息选择变量的偏最小二乘法(SPLS)2种单模型算法进行了比较,证明:该算法在不增加模型复杂度的前提下,能提高校正模型的预测精度、稳定性及抗过拟合的能力。
- 谭超覃鑫李梦龙
- 关键词：互信息近红外光谱
- Boosting集成回归在近红外光谱定量校正中的应用
- 2010年
- 针对物性参数和近红外光谱数据之间的回归模型的建立问题,基于建立一系列回归器的思想,给出了1种用于多变量校正的Boosting-PLS算法。每个(弱/基本)回归器均建立于原校正集的1个子集上,每个子集均通过原校正集带概率重复采样的方式得到,而样本的概率则由前1个回归器的预测误差确定。大误差的样本将增大概率,以便后续的回归器更集中地对其进行训练。最终的集成回归模型则为弱回归器的加权取中值。通过1个近红外应用实例和与偏最小二乘的比较,证实了Boosting-PLS算法的优良性能,所建校正模型更精确、更稳健,对过拟合不敏感。
- 谭超覃鑫
- 关键词：BOOSTING近红外
- 增强偏最小二乘回归算法在近红外光谱法啤酒度数软测量建模中的应用
- 2010年
- 软测量技术广泛应用于工业过程,其核心是建立一个可靠的软测量模型。常规的软测量都是基于建立单个的数学模型,常难达到需要的精确和稳健性。基于机器学习的集成思想,给出了增强偏最小二乘回归(boosting-PLS)算法,并将其用于一个基于近红外光谱法啤酒度数软测量中,试验结果表明:应用boosting-PLS算法所建模型是一种精确、稳健、有应用潜力的软测量方法,特别适合于类似涉及高维光谱数据的软测量。
- 谭超吴同
- 关键词：软测量近红外光谱
- 互信息诱导子空间集成偏最小二乘在近红外光谱定量校正中的应用被引量：1
- 2009年
- 在集成框架下,提出了一种联合自助采样和基于互信息变量选择的子空间回归集成偏最小二乘算法MISEPLS。此算法的核心是通过训练集自助采样和随后计算互信息的方式来引入成员模型的差异性。由于互信息量小于一个特定阈值的变量被淘汰,每个成员模型在原始变量的一个子空间得到训练。模型融合考虑了简单平均和加权平均两种方式。通过两个近红外光谱定量校正实验,与建立单模型的全谱偏最小二乘算法(PLS)和基于互信息变量选择的偏最小二乘算法(MIPLS)进行了比较。结果表明,在不增加模型复杂度的情况下,MISEPLS能建立起更精确、更稳健的校正模型。
- 谭超覃鑫李梦龙
- 关键词：互信息子空间近红外光谱
