极端学习机器及其在化学光谱中的应用绪论.docxVIP

湖 北 大 学 本 科 毕 业 论 文（设 计） 题 目 极端学习机器及其在化学光谱数据中的应用 姓 名 孙晶 学 号 2011221104120011 专业年级 信息与计算科学2011级 指导教师 彭江涛 职 称 讲师 2015年 4 月 14 日  PAGE \* MERGEFORMAT IV 目 录 TOC \o 1-4 \h \u  HYPERLINK \l _Toc32326 1 绪论  PAGEREF _Toc32326 1  HYPERLINK \l _Toc4328 1.1 研究目的和意义  PAGEREF _Toc4328 1  HYPERLINK \l _Toc14481 1.2 国内外研究现状  PAGEREF _Toc14481 1  HYPERLINK \l _Toc3926 1.2.1 红外光谱技术研究现状  PAGEREF _Toc3926 1  HYPERLINK \l _Toc7290 1.2.2 ELM研究现状  PAGEREF _Toc7290 2  HYPERLINK \l _Toc4259 1.3 论文研究内容  PAGEREF _Toc4259 2  HYPERLINK \l _Toc12694 2 极端学习机器和多元校正算法  PAGEREF _Toc12694 3  HYPERLINK \l _Toc9703 2.1 极端学习机器算法  PAGEREF _Toc9703 3  HYPERLINK \l _Toc5417 2.2 多元校正回归分析  PAGEREF _Toc5417 7  HYPERLINK \l _Toc11697 3 极端学习机器在化学光谱数据中的应用  PAGEREF _Toc11697 9  HYPERLINK \l _Toc4193 3.1 实验数据  PAGEREF _Toc4193 9  HYPERLINK \l _Toc1519 3.2 建模过程  PAGEREF _Toc1519 10  HYPERLINK \l _Toc9497 3.3 实验结果及分析  PAGEREF _Toc9497 10  HYPERLINK \l _Toc32268 结论  PAGEREF _Toc32268 20  HYPERLINK \l _Toc28175 参考文献  PAGEREF _Toc28175 21  湖北大学本科毕业论文（设计） 极端学习机器及其在化学光谱数据中的应用 摘 要 目前，化学光谱技术已被广泛应用于混合物的组成成分和含量研究。由于化学光谱数据维数较高，而实测样本数量很少，传统的化学计量学多元校正定量回归方法通常效果欠佳。不同于传统的改进方法，极端学习机器因其预测能力强、泛化性能好等优点逐渐受到人们的重视。 在极端学习机器中，高维光谱向量首先被隐层输出函数映射到隐层，然后建立隐层函数与浓度之间的线性回归关系。由于隐层输出函数的参数可以随机产生，因此极端学习机器不需要进行人为的参数寻优，从而速度极快。同时，由于隐层与输出层之间是线性回归关系，求解只需要进行简单的最小二乘运算，因此非常简单。当建立了回归函数关系之后，就可以对新的测试光谱进行成分浓度的预测及检验。由分析论证以及实验得知，将极端学习机器引入化学光谱数据的多元校正分析中是正确有效的，能够极大地提高预测准确率。 【关键词】极端学习机器 单隐层前向神经网络 红外光谱 偏最小二乘 线性回归 Extreme learning machine and its applications on chemical spectral data Abstract Nowadays, chemical spectroscopy is more and more widely used by people doing research on constituents and content of different mixtures. However, data on chemical spectroscopy which we study on is usually high-dimentional, which is almost ten times larger than the number of our sample data l