首页 > 文献资料
-
NIR光谱结合LLE-PLS建模用于安神补脑液提取过程分析的研究
目的:探讨安神补脑液提取过程近红外(NIH)光谱分析的可行性及其方法.方法:提出NIR光谱建模的局部线性嵌入(LLE)-偏小二乘(PLS)方法,该方法首先用LLE对NIR光谱数据降维,再用PLS建立校正模型.结果:参数优化后的LLE-PLS,二苯乙烯苷留-法交叉验证均方根误差(RMSECV)为0.045 7 mg/mL、决定系数(R2)为0.967 3,淫羊藿苷RMSECV为0.033 3 mg/mL、R2为0.980 9,均优于常规的PLS建模方法.结论:基于NIR光谱和LLE-PLS方法可实现安神补脑液提取过程的在线分析.
-
改进的局部线性嵌入算法在癌症基因表达数据降维中的应用
癌症基因表达数据具有高维、小样本的特点,对其进行维数约减十分有必要.传统的线性降维方法不能发现数据点之间的非线性关系,降维效果不好,因此,本文引入一种改进距离的多组权局部线性嵌入(DMLLE)算法对其进行降维.该算法采用一种改进距离来计算每个数据点的近邻点,为每一个近邻引入多组线性无关的局部权向量进行线性重构,通过小化重构误差得到高维数据在低维空间的嵌入结果.实验结果表明,DMLLE算法对癌症基因表达数据有很好的降维效果.
-
一种改进距离的局部线性嵌入算法的基因表达谱数据分类
针对基因表达谱样本数据少、维度高、噪声大的特点,维数约减十分必要.由于基因表达谱数据是以一种高维非线性的向量存在,传统的降维方法使得一些本质维数较低的高维数据无法投影到低维空间中,为此本文引入一种改进距离的局部线性嵌入(LLE)算法对其进行降维.由于原始的LLE方法对近邻个数参数非常敏感,为了增强算法对近邻参数的鲁棒性,文中提出了一种改进距离来度量样本点之间的距离,从而降低了样本点分布不均匀对算法的影响.实验结果表明,改进距离的LLE方法能够有效地提取分类特征信息,并能够在保持较高的分类正确率的前提下大幅度地降低基因数据的维数.
