摘要
本发明涉及一种基于概率偏最小二乘法的高维数据建模方法,所述方法包括:步骤1.概率偏最小二乘建模,令和分别表示p维和q维的两组观测变量,假设存在r个隐变量和其服从高斯分布,建立概率偏最小二乘模型;步骤2.标量似然函数推导,基于观测变量X和Y的联合分布,计算出含模型参数θ的对数似然函数利用矩阵代数性质和秩n更新技术,将化简为关于矩阵元素的标量似然函数等步骤。本发明所述方法具有的优越技术效果是:利用先验噪声信息等方式提高了参数估计的准确性,采用秩n更新方法利用矩阵代数性质将复杂的矩阵运算转化为标量运算大幅降低了计算复杂度,提高了建模效率,通过预先估计样本噪声减少了需要优化的参数数量。
技术关键词
数据建模方法
偏最小二乘法
PPLS模型
矩阵
变量
更新方法
样本
参数
噪声方差
模型建模方法
随机噪声
复杂度
表达式
噪声信息
信号
估计方法
元素
分层
载荷
系统为您推荐了相关专利信息
金融产品推荐方法
节点
聚类
分布式计算架构
期望最大化算法