助训练框架下的半监督软测量建模方法

摘要：

为了充分利用工业过程中大量无标签样本信息,并减少过程的不确定因素对无标签样本质量的影响,提出一种助训练框架下的半监督孪生支持向量回归软测量建模方法.采用孪生支持向量回归机构建主学习器,对高置信度无标签样本添加伪标签;同时,基于K近邻算法构建辅学习器,最大化学习器在近邻样本集上的均方误差,经过此项指标筛选后的待处理样本集包含了更多的数据信息;主、辅学习器二者相辅相成,一定程度上提高了模型的泛化性;再利用所构建的助训练框架提高样本利用率后得到预测模型,实现对无标签样本信息的充分挖掘.通过对脱丁烷塔工业过程中的实际数据进行建模仿真,所得结果表明此模型具有良好的预测性能.

关键词：软测量建模、半监督、助训练、孪生支持向量回归、K近邻、置信度、学习器、脱丁烷塔

所属期刊栏目：18

分类号：TP274(自动化技术及设备)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2023-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：231-239