粗糙分类器的多模型软测量建模方法

摘要：

根据多模型可以改善模型估计精度,提高泛化性的思想,提出了1种粗糙分类器的多模型软测量建模方法.该方法采用聚类、分类相结合的方式对数据进行分组训练,在一定程度上消除了矛盾样本点可能对模型精度造成的影响.对各组样本利用支持向量回归机建立回归子模型,得到多模型软测量系统.同时,通过向粗糙集引入相似度作为评价样本间相似性的指标,解决了传统粗糙集无法识别训练样本集中未出现过的模式的问题.通过引入概率测度,利用概率公式作为粗糙集分类的决策规则,简化了算法.基于上述理论构造的粗糙分类器,有效地提高了分类器的分类精度,确保了各子模型的估计精度.将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了该算法的有效性.

关键词：粗糙集、支持向量机、软测量、多模型

所属期刊栏目：27

分类号：TP274(自动化技术及设备)

资助基金：国家自然科学基金60674092;江苏省高技术研究项目BG20060010;江南大学创新团队发展计划资助项目

在线出版日期：2010-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：457-460