基于随机投影算法的偏最小二乘模型及其应用.pdfVIP

下载本文档

12
0
约11.36万字
约 53页
2024-08-03 发布于江苏
举报
版权申诉

基于随机投影算法的偏最小二乘模型及其应用.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于随机投影的偏最小二乘回归算法SPLSvRP被引入，实现了在高维数据中的高效回归和分类，提高预测精度和解释能力通过将轴对齐稀疏随机投影思想引入，开发了新的稀疏偏最小二乘回归算法然后，融合学习思想，发展了新的集成分类算法，实现了在高维数据中的高基分类器和低基分类器的结合，以及在高维数据中的模式识别和机器学习此外，通过改进随机投影，引入了基于偏最小二乘分类的随机投影集成分类算法，进一步提高了预测和分类性能

摘要

大数据时代，数据成为新的“石油”资源，引导着新一轮的科技创新，成为经济

转型的新动能。如何从海量的数据中取出有价值的信息成为各个领域的研究热点。

但是在数据的建模分析中，经常会遇到“维度诅咒”的问题——数据的高维性使得传

统的建模方法不适用。为了能够更好地处理高维数据，大量高性能新方法不断涌现。

偏最小二乘(PartialLeastSquares，简称PLS)是一种广泛用于解决高维问题的建模方

法，但当数

基于随机投影算法的偏最小二乘模型及其应用.pdf 原文免费试下载