کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
1180571 1491535 2015 10 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
A unified framework for contrast research of the latent variable multivariate regression methods
ترجمه فارسی عنوان
یک چارچوب یکپارچه برای بررسی کنتراست روش های رگرسیون چند متغیره متغیر پنهان
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
کلمات کلیدی
متغیر وابسته چند متغیره رگرسیون، رگرسیون مولفه اصلی، رگرسیون حداقل مربع جزئی، رگرسیون همبستگی کانونی، کاهش رتبه رگرسیون، کالیبراسیون و پیش بینی،
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
چکیده انگلیسی
This paper focuses on contrast research of four latent variable multivariate regression (LVMR) methods, i.e., principal component regression (PCR), partial least square regression (PLSR), canonical correlation regression (CCR) and reduced rank regression (RRR). The performances are evaluated by mean square error (MSE). A unified framework, called weight-framework, is proposed, where each LVMR method as well as the ordinary least square regression (OLSR) can be represented by a specific Weight matrix. Moreover, three theorems are proved delicately. The first one is coefficient theorem which reveals the relations between the coefficients estimated by the four LVMR methods and OLSR; the second one is MSE theorem which contrasts the calibration performances of the different methods; the third one is fault detection rate (FDR) theorem, which tells the different FDR when LVMR is applied for fault detection. Finally, two simulated data sets and one real data set collected from a benchmark system validate the correctness of our theoretical results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Chemometrics and Intelligent Laboratory Systems - Volume 143, 15 April 2015, Pages 136-145
نویسندگان
, , , ,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت