Boosting算法在近红外光谱分析中的应用

被引：1

作者：

乐斌

吴铁军

方骏

机构：

[1] 浙江大学智能系统与决策研究所

[2] 浙江大学智能系统与决策研究所浙江

[3] 杭州

[4] 浙江

来源：

石油化工自动化 | 2004年 / 01期

关键词：

boosting; 机器学习; 光谱分析;

D O I：

暂无

中图分类号：

O657.33 [红外光谱分析法];

学科分类号：

070302 ; 081704 ;

摘要：

Ｂｏｏｓｔｉｎｇ是一种新型的机器学习算法 ,其主要用于提高回归算法的性能。介绍了一种以ＲＢＦ神经网络为基础学习机的Ｂｏｏｓｔｉｎｇ回归算法 ,并将此算法应用于油品辛烷值分析中 ,与常用的油品分析技术偏最小二乘法 (ＰＬＳ)、多元线性回归(ＭＬＲ)方法和单个ＲＢＦ神经网络的拟和预测效果对比分析。结果显示 ,该算法具有学习速度快、跟踪性能好、范化能力等优点。

引用

页码：31 / 33+50 +50

页数：4

共 3 条

[1] 主成分回归残差神经网络校正算法用于近红外光谱快速测定汽油辛烷值 [J].

史月华 ;

陆勇 ;

徐光明 ;

徐元植 ;

徐铸德 ;

蔡大雄 ;

陆文琼 ;

马竞涛 .

分析化学, 2001, (01) :87-91

[2] 近红外光谱预测汽油辛烷值和辛烷值仪的研制 [J].

王宗明 ;

华伟英 ;

韦占凯 ;

张弧弘 ;

武惠忠 .

光谱学与光谱分析, 1999, (05) :684-686

[3] Boosting Methods for Regression [J].

Nigel Duffy ;

David Helmbold .

Machine Learning, 2002, 47 :153-200

← 1 →