第一个书签之前
PLS回归算法的改进及其应用研究
摘要
ABSTRACT
插图清单
表格清单
注释表
第一章 绪论
1.1 引言
1.1.1 研究背景
1.1.2 应用背景-多组分分析
1.1.3 应用背景-小分子和生物大分子的交互作用
1.2 常用回归建模方法
1.2.1 最小二乘回归
1.2.2 主成分回归
1.2.3 偏最小二乘回归及其优点
1.3 本文的主要研究思路
1.4 本文的主要研究工作
1.4.1 稳健回归
1.4.2 非线性处理
1.4.3 二阶数据处理
1.5 本文主要内容与组织
第二章 偏最小二乘相关基本理论
2.1 偏最小二乘基础
2.1.1 偏最小二乘的基本思想
2.1.2 偏最小二乘回归的数学表达
2.1.3 偏最小二乘回归的具体求解算法
2.2 偏最小二乘扩展
2.2.1 稳健偏最小二乘
2.2.2 核偏最小二乘
2.2.3 二阶偏最小二乘
2.3 特征选择方法
2.3.1 过滤器模式-Filter
2.3.2 封装器模式-Wrapper
2.3.3 嵌入式模式-Embeded
2.4 集成学习
2.4.1 集成学习理论
2.4.2 集成学习方法
2.4.3 Boosting-PLS
2.5 蒙特卡洛交叉验证方法
第三章 稳健偏最小二乘改进算法
3.1 引言
3.1.1 稀疏矩阵变换——SMT
3.1.2 主成分空间奇异点识别——PCOUT
3.2 偏最小二乘稳健改进算法
3.2.1 稀疏矩阵变换偏最小二乘法——SMT-PLS
3.2.2 结合SGB和SMT的偏最小二乘法——SGB-SMT-PLS
3.2.3 主成分空间奇异点识别偏最小二乘法——PCOUT-PLS
3.2.4 结合SGB和PCOUT的偏最小二乘法——SGB-PCOUT-PLS
3.3 算法应用于多种氨基酸的同时测定
3.4 算法参数选择与性能分析
3.4.1 SMT-PLS算法参数选择
3.4.2 PCOUT-PLS算法参数选择
3.4.3 实验结果分析
3.4.4 测试样本下模型预测结果
3.5 本章小结
第四章 核偏最小二乘改进算法
4.1 引言
4.1.1 净分析物预处理——NAP
4.2 核偏最小二乘改进算法
4.2.1 核化的特征选择算法——KNAP
4.2.2 基于核化特征选择的核偏最小二乘法——KNAP-KPLS
4.2.3 随机提升核偏最小二乘法——SGB-KPLS
4.2.4 结合SGB和NAP的核偏最小二乘法——SGB-NAP-KPLS
4.2.5 结合SGB和KNAP的核偏最小二乘法——SGB-KNAP-KPLS
4.3 算法应用于重金属离子的同时测定
4.4 算法参数选择与性能分析
4.4.1 算法参数选择
4.4.2 实验结果分析
4.4.3 测试样本的模型预测结果
4.5 本章小结
第五章 二阶偏最小二乘改进算法
5.1 引言
5.1.1 三线性模型
5.1.2 二阶校正算法分类
5.1.3 二阶NPLS校正算法和预测算法
5.1.4正则化稀疏模型求解算法
5.2 二阶偏最小二乘改进算法
5.2.1 稀疏NPLS——Sparse-NPLS
5.2.2 随机梯度提升NPLS——SGB-NPLS
5.2.3 随机梯度提升稀疏NPLS——SGB-Sparse-NPLS
5.3 算法应用于小分子与大分子的相互作用研究
5.4 算法参数选择与性能分析
5.4.1算法参数选择
5.4.2 实验结果分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 未来需要进一步的工作
致谢
参考文献
在学校期间的研究成果及发表的学术论文
南京航空航天大学;