高维数据降维方法及化工应用_化工专业论文范文-经管之家官网！

坛友互助群

扫码加入各岗位、行业、专业交流群

目 录
中文摘要I
英文摘要II
目录III
1. 绪论1
1.1 引言1
1.2 逐步多元线性回归技术研究进展1
1.3 主成分分析技术研究进展1
1.4 偏最小二乘技术研究进展2
1.5 NIR生物样品检测的现状2
1.6 本文的主要工作3
2.多重共线性问题4
2.1 引言4
2.2 逐步多元线性回归4
3. 主成分分析5
3.1 引言5
3.2 主成分分析的数学模型5
3.3 主成分分析的几何意义6
3.4 主成分分析的计算过程7
3.5 对主成分分析的讨论9
3.6 主成分回归建模9
3.7 实验小结13
4. 偏最小二乘（PLS）回归15
4.1 引言15
4.2 偏最小二乘法15
4.2.1 基本概念16
4.2.2 基本模型16
4.2.3 非线性迭代偏最小二乘法17
4.2.4 SIMPLS算法18
4.2.5 本实验所用数学模型19
4.3 PLS用于小麦粉NIR分析20
4.4 实验小结22
5.总结23
致谢24
参考文献25

摘要：本文选以小麦粉的红外光谱检测数据为研究对象，运用偏最小二乘降维技术，建立用于预测未知样品性质或组成的分析模型。NIR光谱区(700-2500nm) 主要是由含氢基团的倍频和组频吸收峰组成,吸收强度弱灵敏度相对较低 ,吸收带较宽且重叠严重,考虑到它属于弱光谱信号分析技术,所得信息受到许多因素影响，且作为信息源的近红外光谱中有效信息率低等，所以需要有效的方法来消除影响或降噪等，即降低光谱数据的维数，用以建立校正模型并预测未知样品性质或组成。目前使用的较多的建模方法有逐步回归法、主成分回归方法和偏最小二乘回归方法等等。本实验采用偏最小二乘(PLS)技术，建立NIR定量分析的多元校正模型，并用该模型预测样品数据。同时，实施主成分回归方法建模并预测，以验证两种不同方法的优劣。

关键词：降维；偏最小二乘；逐步回归；主成分分析；NIR

Abstract: In this paper,we choose the infrared spectral data of wheat flour as subject for the study,partial least squares dimension reduction technique is used to set analysis model for predicting the nature or the composition of unknown samples. NIR spectra of the district (700-2500nm) is mainly composed by the hydrogen-containing group and the frequency group of absorption peak,the absorption intensity is weak and sensitivity degree is relatively low, absorption range is wide and overlapping seriously,considering it belongs to the weak spectral signal analysis technology, information obtained is influenced by many factors, and as a source of information in the near-infrared spectroscopy there’s low rate of effective information, so we need effective ways to eliminate noise and other impacts or to reduce the dimension of spectral data for the establishment of calibration model and predict the nature or the composition of unknown samples. Currently used methods for modeling is stepwise regression, principal component regression and partial least-squares regression methods.This experiment use partial least squares (PLS)technology,and establish the multivariate calibration model for NIR quantitative analysis, and then use the model to predict the sample data. At the same time,implement modeling and forecasting use principal component regression method,in order to verify the merits of two different methods.

Keywords：Dimension reduction;PLS;Stepwise regression;PCA

扫码或添加微信号：坛友素质互助

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP