首页|期刊导航|现代信息科技|基于加权混合核函数的KPCA-PLS中药量效数据回归分析

基于加权混合核函数的KPCA-PLS中药量效数据回归分析OA

中文摘要

中药剂量-效应数据往往具有样本量小、变量间相关性强、非线性关系复杂等特点,传统多元回归方法通常难以满足该类数据的分析需求。针对上述问题,本文融合核主成分分析(KPCA)与偏最小二乘(PLS)各自的优势,提出一种基于特征加权的多核KPCA-PLS回归方法。该方法首先利用偏最小二乘变量投影重要性(PLS-VIP)度量特征重要性并计算权重,将其引入后续的核函数构造中,以增强模型对关键变量的敏感性;其次,在KPCA中构建融合RBF核与多项式(Poly)核的多核学习结构以提取主成分,从而兼顾局部与全局特征提取能力;随后将KPCA提取的主成分输入PLS模型进行回归,并引入多种群遗传算法,在迭代过程中自动优化核函数参数组合,以获得最优回归效果。在两个中药数据集和3个公开数据集上,与6种其他方法进行对比实验,结果验证了所提方法的优越性。

李想;聂斌;郑水飞;章祉瑶;孟冲;史晨浩

江西中医药大学,江西南昌330004江西中医药大学,江西南昌330004江西中医药大学,江西南昌330004江西中医药大学,江西南昌330004江西中医药大学,江西南昌330004江西中医药大学,江西南昌330004

信息技术与安全科学

中药量效数据特征加权核主成分偏最小二乘

《现代信息科技》 2026 (14)

P.124-133,141,11

国家自然科学基金(82260849)江西中医药大学校级科技创新团队发展计划(CXTD22015)。

10.19850/j.cnki.2096-4706.2026.14.025

评论