OPLS在非线性偏最小二乘回归模型的应用

被引：28

作者：

孙凤林

郝志峰

机构：

[1] 华南理工大学理学院

来源：

计算机工程与设计 | 2010年 / 31卷 / 12期

基金：

广东省自然科学基金;

关键词：

非线性回归; 偏最小二乘回归(PLSR); 隐含潜变量回归(INLR); OPLS; INLR-OPLS;

D O I：

10.16208/j.issn1000-7024.2010.12.003

中图分类号：

O212.1 [一般数理统计];

学科分类号：

070103 [概率论与数理统计];

摘要：

为了解决隐含潜变量回归(implicit non-linear latent variable regressionI,NLR)建模方法中加入自变量的非线性项使系统中出现了与因变量无关的信息或者噪音的问题,提出了基于正交投影(orthogonal projection to latent structures,OPLS)方法,对INLR数据进行预处理。OPLS算法能有效去除预测矩阵中与因变量无关的信息,在不影响INLR建模效果的同时减少有意义的成分,改善了模型的解释性和真实性。模拟实验结果表明,改进后算法的建模效果优于INLR、偏最小二乘回归(partialleast squares regression,PLSR)算法得到的模型。

引用

页码：2826 / 2829

页数：4

共 5 条

[1]

SAS编程技术教程.[M].朱世武; 编著.清华大学出版社.2007,

[2]

Non-linear PLS approach in score surface [J].

Kohonen, Jarno ;

Reinikainen, Satu-Pia ;

Aaljoki, Kari ;

Hoskuldsson, Agnar .

CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2009, 97 (02) :159-163

[3]

Visualization and interpretation of OPLS models based on 2D NMR data [J].

Hedenstrom, Mattias ;

Wiklund, Susanne ;

Sundberg, Bjom ;

Edlund, Ulf .

CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2008, 92 (02) :110-117

[4]

OPLS methodology for analysis of pre-processing effects on spectroscopic data.[J].Jon Gabrielsson;Hans Jonsson;Christian Airiau;Bernd Schmidt;Richard Escott;Johan Trygg.Chemometrics and Intelligent Laboratory Systems.2006, 1

[5]

Some recent developments in PLS modeling [J].

Wold, S ;

Trygg, J ;

Berglund, A ;

Antti, H .

CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2001, 58 (02) :131-150

← 1 →