%0 Journal Article
%T 核分段逆回归集成线性判别分析用于质谱数据分类
%A 成忠
%A 诸爱士
%A 张立庆
%J 分析化学
%P 1657-1661
%D 2008
%X 针对高维小样本质谱数据在构造模型时易产生的过拟合现象、变量间的严重共线性、及结构与性质间的非线性关系,采用了核分段逆回归(KSIR)特征提取集成线性判别分析(LDA)新技术。首先以KSIR算法完成质谱数据的非线性特征提取,然后在由新特征矢量张成的低维空间构造样本类别的线性判别函数,负责各样本个体类别的判定。将KSIR-LDA方法应用于软饮料的质谱数据分类,结果表明:该方法不仅适应质谱数据与性质间的非线性关系,而且可以更少、解释能力更强的特征变量取得更高的分类精度,并能实现在低维特征空间对数据的解释及可视化。
%K 分段逆回归
%K 主成分分析
%K 核函数
%K 线性判别分析
%K 模式分类
%K 质谱数据
%U http://210.14.121.5:8080/fxhx/CN/abstract/abstract7074.htm