基于模糊偏最小二乘的特征抽取方法研究.pdf

1、特征抽取在模式識(shí)別中占據(jù)著至關(guān)重要的地位，其方法有很多。本文基于偏最小二乘(PLS)的建模思想，深入探討了將PLS方法和模糊PLS(FPLS)方法用于特征抽取的理論和方法。 本文主要研究和創(chuàng)新性工作如下： (1)詳細(xì)探討了PLS方法的基本思想及其線性和非線性的建模過(guò)程，綜合比較PLS各種方法的優(yōu)缺點(diǎn)，說(shuō)明了PLS方法的應(yīng)用范圍，并結(jié)合模糊數(shù)學(xué)相關(guān)理論，探討了其應(yīng)用在PLS方法處理非線性問(wèn)題的理論可行性，討論了PLS方法與

2、CCA等線性抽取方法之間的區(qū)別與聯(lián)系，研究了基于線性PLS和基于核PLS的特征抽取技術(shù)，深入探討了其理論和算法，并與其他經(jīng)典的線性子空間特征抽取方法作了對(duì)比實(shí)驗(yàn)和分析。 (2)利用模糊數(shù)學(xué)具有較強(qiáng)的數(shù)據(jù)結(jié)構(gòu)表征能力，來(lái)處理非線性問(wèn)題以期其具有良好表現(xiàn)，探討了將模糊技術(shù)應(yīng)用到PLS方法中，即將TSK模糊模型嵌入到PLS回歸方法的框架中，利用TSK模型的解釋性克服經(jīng)典非線性PLS算法的一些不足。本文研究的FPLS算法在將高維數(shù)據(jù)向低

3、維空間投影的同時(shí)消除共線性的問(wèn)題，TSK模糊模型能夠較好地捕捉被投影數(shù)據(jù)的非線性結(jié)構(gòu)，并且加入相關(guān)模糊規(guī)則，從而提高了模型的適用范圍。 (3)研究基于奇異值分解的FPLS算法。經(jīng)典的NIPALS算法雖然能使得PLS的變換過(guò)程比較清楚，但是該方法由于在迭代過(guò)程中得分向量u選取的任意性[8]，使得算法不穩(wěn)定，從而將可能導(dǎo)致結(jié)果的不確定性，基于奇異值分解的FPLS算法通過(guò)將奇異值分解法應(yīng)用到FPLS算法中，有效的解決了這個(gè)問(wèn)題。實(shí)驗(yàn)證