博文
多任务最小二乘支持向量回归机
|||
在近红外光谱定量分析中，许多模型分开考虑各种样品成分含量，失去了样品成分间潜在的联系。针对该问题，本文将建模分析每种样品成分含量的问题看作一个任务，将同时建模分析所有样品成分含量的问题转换为多任务学习问题。在LS-SVR的基础上，提出了多任务LS-SVR（MTLS-SVR），并给出一种有效的大规模问题求解算法。最后，以高粱样品数据集为实验材料，建立了三种样品成分（蛋白质，赖氨酸及淀粉）的同时定量分析模型。三种样品成分的预测值与实际值的平均相对误差分别为1.52%、3.04%和1.01%，相关系数分别为0.9931、0.8940和0.9406，经分析比较发现MTLS-SVR模型优于PLS、LS-SVR以及多因变量LS-SVR（MLS-SVR），从而验证了MTLS-SVR模型的可行性和有效性。
https://blog.sciencenet.cn/blog-611051-503058.html
上一篇：MaxEnt经典文献相关公式推导
下一篇：半监督最小二乘支持向量回归机
https://blog.sciencenet.cn/blog-611051-503058.html
上一篇：MaxEnt经典文献相关公式推导
下一篇：半监督最小二乘支持向量回归机
