文档介绍：万方数据
多任务最小二乘支持向量回归机及其在近红外光谱分析技术中的应用研究鰐以及多凶变量蛤鰐峪鰐佣橹ち薓.ⅥP偷念行院陀行浴于騭Ⅵ廷鱏T虺霺Ⅵ的原始问题可表述为徐硕窍,朱礼军欣怕即。钚《酥С窒蛄炕毓榛.,。驴體÷引言对于小蔔,记,。给定训练数据集其中妒:础一J淙肟占涞侥骋桓呶可能为无穷维第卷,第月光谱学与光谱分析泄蒲Ъ际跣畔⒀芯克畔⒓际踔С种行模本摘要在近红外光谱定最分析中,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,文章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。在的基础上,提出了多任务霺,并给出一种有效的大规模问题求解算法。最后,以高梁样品数据集为实验材料,建立了三种样品成分鞍字剩蛋彼峒淀粉耐倍糠治瞿P汀H盅烦煞值脑げ庵涤胧导手档钠骄喽晕蟛罘直鹞.%,ズィ喙叵凳直鹞..治霰冉希⑾諱P陀庞赑,关键词近红外光谱;化学计量学;多任务中图分类号:.文献标识码:痡..近红外光谱技术哂胁僮骷虻ァ⒎治鏊俣瓤煲约安舛一次光谱可同时获得样品多种成分含最的独特优点,使其在作物品质分析上得到了广泛应用。目航焱夤馄锥糠治采用的化学计量学建模方法比较多,有肾已取得了不错的效果,比如偏最小二乘引、支持向量同归机等。与其他方法相比,哂谐錾ǖ难凹巴乒隳芰Γ要求解一个二次规划】题,非常耗时。而最薙玫仁皆际娌坏仁皆际恍枨蠼庖桓鱿咝苑程组,大大加快蠼馑俣龋艿絩人们越来越多的重视。近红外光谱包含了样品中所有成分的光谱信息,但目前许多模型分开考虑样品成分含量,失去了样品成分间潜在的联系。近年来,机器学习领域中多任务学习芯恐鸾成熟。如果将建模分析每种样品成分含最的问题看作一个任务,则叮将样品成分含量同时建模分析的问题转换为多任务学习问题,从真正意义上实现了样品多成分含量的同时建模分析。目前大部分P蚚蕖渴腔贐模等柚鶥乃枷耄杓屏艘恢终化P停还媚P腿孕枨蠼庖桓龆喂婊侍狻1文在等ぷ鞯幕∩希岢隽硕嗳挝馤模型。类似于,该模型也只需求解一个线性方程组,而且本文也给出了一种有效的大规模问题求解算法。最后建模分析了高粱样品的三种成分鞍字剩氨酸及淀粉浚骄喽晕蟛詈拖喙叵凳副昃灾羞,∞譬渲欣佟蔍蕖蔙。记,,征空间挠成洌灞硎咎卣骺占銱的维度,誊;已基金项目:国家。十一五”科技支撑计划,中国科学技术信息研究所重点工作项目—和中央高校基本科研业作者简介:徐硕。年生,中国科学技术信息研究所博士后:.虬饥琋,—酝饩妹骋状笱Ч示糜朊骋籽г海本泄┮∈收稿日期:.修订日期:务费专项资金手ㄑ读O等:雪甧.∞甃。
万方数据
蓝斗酰蠡琇¨,幻瑁。乎籡吉击耋话‰吉耋黥齛梗幻齨疿丌籐竿妻疏驴搿尹坛:妻釜砖Ⅸ劝蓑鏊至蚤‰‰妒耄蓑鲈椤捅Α叮№,尹‘企胠硝羞尹。帅,‰,帅,‰,辱弧啤啤耄甶׉优∈0琋鲈K氐娜玪列向量;口苐鶮撸。嗳挝馤.;∥。一,%,喜聊琺∈№差享生:争%认‰.㈣囝,亿,⋯,,缘簔。,琁岛.,妒耄琁.‰∈№籲,澹瑉厶酊妒∑∑《,.模畉‘尹笃,籎笛榉椒ḿ笆笛槭厂№琄ぃ为满足定理暮撕札甪龋甪’蔔琲∈舯其中粑狽阶单位矩阵;,,仉,⋯,勐记线性方程组慕馕?凇梗荒停幻,‰一⋯假设有≥个任务,对于任务优∈小∕。个邑8鲅盗肥荨N7奖悖莥舅;,弧籝,#为由松弛变量组成的向叮;《.弧缓眨糌小蔔,扫。一;