10.3969/j.issn.1672-9730.2018.06.007
基于选择性核学习的在线软测量建模方法
离线建立的软测量模型的预报精度往往逐渐降低,通常需要在线更新模型.为此,提出一种基于选择性核学习的在线软测量建模方法.该方法首先建立最小二乘支持向量机模型,并采用基于预报误差限的选择性前向学习策略更新模型,以提高其稀疏性.此外,为了更准确地删除冗余样本,在后向学习中,提出一种在高维特征空间同时利用输入输出数据的相似度准则,选择性删除与当前状态相似度最小的样本.利用某石化公司聚丙烯熔融指数的软测量建模结果进行了方法验证.
软测量、选择性核学习、最小二乘支持向量机、相似度
38
TP274(自动化技术及设备)
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
26-29,57