P.J.布朗。；T·费恩。；万努奇，M。 曲线上的贝叶斯小波回归及其在光谱校准问题中的应用。 （英语） Zbl 1022.62027 美国统计协会。 96，第454号，398-408（2001）. 小结：由于近红外（NIR）光谱的校准问题，我们考虑了线性递减设置，其中许多预测变量来自于在等距点对基本上连续的曲线进行采样，并且可能有多个预测值。我们通过计算离散曲线的小波变换来解决这个回归问题，然后使用混合先验的贝叶斯变量选择方法对小波系数的预测值进行多元回归。为了进行预测，我们对一组可能的模型进行平均。应用于近红外光谱中的一个特定问题，该方法能够找到小波系数的子集，与更常用的方法相比，其整体预测性能更好。在应用中，可用的预测因子是在256个等距波长下测量饼干面团块的NIR反射光谱。其目的是使用光谱变量预测面团的成分（即脂肪、面粉、糖和瓦特含量）。因此，我们对256个预测因子进行了四个预测因子的多元回归，预测因子之间的相关性很高。有39个样本的训练集可用于拟合此回归。应用小波变换将每个频谱上的256个测量值替换为携带相同信息的256个小波系数。变量选择方法可以使用这些系数的子集，这些子集在单独的样本测试集上为所有四个组成变量提供了良好的预测。在该应用中，在小波域中而不是从原始光谱变量中进行选择是有吸引力的，因为单个小波系数可以携带来自原始光谱中的波长带的信息。该频带可以窄也可以宽，具体取决于所选小波的尺度。 引用于46文件 MSC公司： 2015年1月62日 贝叶斯推断 62J05型 线性回归；混合模型 第62页，第35页 统计学在物理学中的应用 65T60型 小波的数值方法 62页99 统计学的应用 关键词：马尔科夫蒙特卡洛；混合物优先；模型平均值；多元回归；近红外光谱学；变量选择 软件：WavBox 4号 PDF格式BibTeX公司 XML格式引用 \textit{P.J.Brown}等人，《美国统计协会杂志》第96卷，第454、398--408号（2001年；Zbl 1022.62027） 全文： 内政部 链接