控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2013年
4期
654-658,662
,共6页
软测量%竞争学习聚类%邻近支持向量机%拜尔溶出过程
軟測量%競爭學習聚類%鄰近支持嚮量機%拜爾溶齣過程
연측량%경쟁학습취류%린근지지향량궤%배이용출과정
soft measure%competitive learning clustering%proximal support vector machine%Bayer dissolution process
提出了一种基于竞争学习聚类的邻近支持向量机的软测量方法.本文用数据点的密度来近似衡量数据点相对于类中心的位置,从而改进了竞争学习聚类算法的权值调整方法.采用改进的竞争学习聚类算法将训练样本聚集到不同的中心,采用邻近支持向量机对每一类进行训练建立子模型,利用样本方差进行计算邻近支持向量机的惩罚因子,并计算新增样本数据和所有类的相似度,对被检索出的相似子模型参数加权,计算预测结果,用新增加的样本更新训练数据及其聚类中心.将所提出的方法用于氧化铝拜尔溶出过程关键化验量的软测量,解决了模型失效问题,实验表明:该方法有效地增强了软测量模型适应工况变化的能力,提高了预测精度.
提齣瞭一種基于競爭學習聚類的鄰近支持嚮量機的軟測量方法.本文用數據點的密度來近似衡量數據點相對于類中心的位置,從而改進瞭競爭學習聚類算法的權值調整方法.採用改進的競爭學習聚類算法將訓練樣本聚集到不同的中心,採用鄰近支持嚮量機對每一類進行訓練建立子模型,利用樣本方差進行計算鄰近支持嚮量機的懲罰因子,併計算新增樣本數據和所有類的相似度,對被檢索齣的相似子模型參數加權,計算預測結果,用新增加的樣本更新訓練數據及其聚類中心.將所提齣的方法用于氧化鋁拜爾溶齣過程關鍵化驗量的軟測量,解決瞭模型失效問題,實驗錶明:該方法有效地增彊瞭軟測量模型適應工況變化的能力,提高瞭預測精度.
제출료일충기우경쟁학습취류적린근지지향량궤적연측량방법.본문용수거점적밀도래근사형량수거점상대우류중심적위치,종이개진료경쟁학습취류산법적권치조정방법.채용개진적경쟁학습취류산법장훈련양본취집도불동적중심,채용린근지지향량궤대매일류진행훈련건립자모형,이용양본방차진행계산린근지지향량궤적징벌인자,병계산신증양본수거화소유류적상사도,대피검색출적상사자모형삼수가권,계산예측결과,용신증가적양본경신훈련수거급기취류중심.장소제출적방법용우양화려배이용출과정관건화험량적연측량,해결료모형실효문제,실험표명:해방법유효지증강료연측량모형괄응공황변화적능력,제고료예측정도.
