核分段逆回归集成线性判别分析用于质谱数据分类.pdfVIP

第 36卷 分析化学 (FENXIHUAXUE) 研究报告 第 12期 2008年 12月 ChineseJournalofAnalyticalChemistry 1657～1661 核分段逆 回归集成线性判别分析用于质谱数据分类 成 忠 诸爱士 张立庆 (浙江科技学院生物与化学工程学系，杭州 310012) 摘 要 针对高维小样本质谱数据在构造模型时易产生的过拟合现象、变量间的严重共线性、及结构与性质 间的非线性关系，采用了核分段逆回归(KSIR)特征提取集成线性判别分析 (LDA)新技术。首先以KSIR算法 完成质谱数据的非线性特征提取，然后在由新特征矢量张成的低维空间构造样本类别的线性判别函数，负责 各样本个体类别的判定。将KSIR—LDA方法应用于软饮料的质谱数据分类 ，结果表明：该方法不仅适应质谱 数据与性质间的非线性关系，而且可以更少、解释能力更强的特征变量取得更高的分类精度，并能实现在低维 特征空间对数据的解释及可视化。 关键词 分段逆回归 ，主