论文部分内容阅读
提出一种用于模式分类的RBF-PLS-Bayes方法.它集成地应用径向基(RBF)变换与偏最小二乘(PLS)方法,从原有模式中提取出分类能力甚强的成分,然后进行贝叶斯(Bayes)判别.这种集成方法尤其适用于复杂化学信息的模式分类,本文将其应用于两种类型的化学模式分类问题,均取得了令人满意的效果.与经典的判别分析方法和单纯的神经网络方法相比,具有明显的优越性.