偏最小二乘方法及其在工业过程数据处理中的应用
高学金 齐咏生 王普 著
4人在读
13.2万字总字数
¥37.69定价
高学金 齐咏生 王普 著
《偏最小二乘方法及其在工业过程数据处理中的应用》的作者多年来一直从事工业过程数据的统计建模、过程监测与诊断、关键因变量的预测与回归，他在借鉴国内外有关最新研究成果和自身完成的研究实例基础上，博采众家之长，写成此书。全书结合具体的工业过程实例，对基于PLS的过程数据线性回归、统计建模、过程监测和质量预测等进行了比较系统的介绍，之后深入探讨了非线性PLS方法理论与应用中的一些关键问题，如核函数的选择、双核映射等。 本书可作为自动控制专业及数据科学与大数据技术专业研究生的学习参考书，同时对从事自动化和数据科学方面的研究、设计、开发和应用的广大工程师、技术人员也具有一定的参考价值。
偏最小二乘(partial least squares，PLS)，是多元线性回归算法的一种扩展算法。自1975年H.Word第一篇有关PLS的文章面世以来，其在社会经济、化学计量、化工工业等诸多领域得到了广泛应用，成为目前主要的空间压缩和成分提取技术之一。20世纪90年代，随着PLS方法在应用过程中出现的各种实际问题，出现了许多PLS的扩展和改进算法，其理论也在不断完善。 偏最小二乘分析方法是从应用领域中提出的一种新型多元数据分析方法，其主要适用于多因变量对多自变量的线性回归建模，并可以有效地解决许多用普通多元性回归无法解决的问题，诸如：变量多重相关性在系统建模中的不良作用以及在样本容量小于变量个数的情况下进行回归建模等，而且它的一个重要优势是将回归建模、主成分分析及典型相关分析的基本功能有机地结合起来。 本书从适合应用人员理解的角度出发，深入浅出地介绍了PLS及其相关扩展与改进算法的最新理论成果和应用技术，其中也包括作者团。