發(fā)布時間：2018-06-18 09:49

  本文選題：深度學習 + 偏最小二乘��； 參考：《計算機應用研究》2017年01期

【摘要】：偏最小二乘在多元變量分析中得到了廣泛的應用。但偏最小二乘方法內部采用主成分分析,不能充分表達數據的非線性特征,對非線性數據的預測精度較低。提出了一種融入深度學習的偏最小二乘優(yōu)化方法,該方法利用深度學習的稀疏自編碼器對特征空間提取非線性結構,將提取的特征成分取代偏最小二乘中的成分,從而形成能適應非線性的模型。分別采用大承氣湯、麻杏石甘湯、葛根芩連湯和UCI數據集的數據進行分析處理,實驗結果表明,融入深度學習的偏最小二乘優(yōu)化方法能較好地反映中醫(yī)藥數據的特征。
[Abstract]:Partial least squares is widely used in multivariate variable analysis. However, the principal component analysis (PCA) is used in the partial least squares method, which can not fully express the nonlinear characteristics of the data, and the prediction accuracy of the nonlinear data is low. In this paper, a partial least squares optimization method with depth learning is proposed. In this method, the nonlinear structure is extracted from the feature space by using the sparse self-encoder of depth learning, and the extracted feature components are replaced by the components in the partial least squares. Thus, a model which can adapt to nonlinear is formed. The data of Dachengqi decoction, Maxingshigan decoction, Gegen Qinlian decoction and UCI data set were analyzed and processed respectively. The experimental results showed that the partial least square optimization method combined with deep learning could better reflect the characteristics of traditional Chinese medicine data.
【作者單位】： 江西中醫(yī)藥大學計算機學院;江西中醫(yī)藥大學藥學院;
【基金】：國家自然科學基金資助項目(61363042,61562045) 江西省自然科學基金重大資助項目(20152ACB20007) 江西省高�？萍悸涞赜媱濏椖�(LD12038) 江西中醫(yī)藥大學校級研究生創(chuàng)新專項資金項目(JZYC15S09)
【分類號】：O212.4

【相似文獻】

相關期刊論文 前10條

1 胡煜;;偏最小二乘方法和二次判別分析方法應用于基因芯片數據分析[J];鞍山師范學院學報;2007年04期

2 葉明;張磊;;偏最小二乘通徑模型在貿易發(fā)展指數中的應用[J];統(tǒng)計與信息論壇;2010年09期

3 金勇進,梁燕;偏最小二乘(PartialLeast Square)方法的擬合指標及其在滿意度研究中的應用[J];數理統(tǒng)計與管理;2005年02期

4 趙璐;匡建超;羅鑫;王眾;金婷;;基于偏最小二乘支持向量機的圖書館效益評價研究[J];科技管理研究;2010年02期

5 殷弘;汪寶彬;;懲罰的偏最小二乘(英文)[J];數學雜志;2013年01期

6 陳高波;;基于最小一乘的單因變量偏最小二乘算法[J];武漢工業(yè)學院學報;2006年02期

7 楊慧中;陳定三;;局部懲罰加權核偏最小二乘算法及其應用[J];控制工程;2011年06期

8 張忠誠;;成分數據的偏最小二乘回歸分析法[J];長春師范學院學報;2005年11期

9 ;會議信息[J];數理統(tǒng)計與管理;2008年06期

10 王魏;趙立杰;岳恒;柴天佑;;多變量動態(tài)模糊偏最小二乘建模方法及其應用[J];系統(tǒng)仿真學報;2010年05期

相關博士學位論文 前1條

1 黃新;基于化學數據的若干統(tǒng)計學習新方法研究[D];中南大學;2013年

相關碩士學位論文 前6條

1 李洪強;基于核偏最小二乘的故障診斷方法研究[D];東北大學;2009年

2 羅純;基于成分數據若干分析方法的研究[D];中南大學;2011年

3 夏麗莎;基于偏最小二乘的武漢城市圈經濟研究[D];華中科技大學;2010年

4 張艷粉;基于偏最小二乘的BP網絡模型及其應用[D];重慶大學;2007年

5 裴振中;偏最小二乘—最大熵法在石油勘探風險評價中的應用[D];成都理工大學;2005年

6 陳海波;市場經濟下天然氣價格預測研究——偏最小二乘神經網絡模型（PLSNN）應用[D];成都理工大學;2004年

，

本文編號：2035054