基于改进k-最近邻回归算法的软测量建模

摘要：

机器学习回归方法被广泛应用于复杂工业过程的软测量建模.k-最近邻(kNN)算法是一种流行的学习算法,可用于函数回归问题.然而,传统kNN算法存在运行效率低、距离计算忽略特征权值的缺点.本文引入了二次型距离定义和样本集剪辑算法,改进了传统kNN回归算法,并将改进的算法用于工业过程软测量建模.仿真实验得到了一些有益的结论.

关键词：k-最近邻算法、二次型距离、软测量、纸浆Kappa值

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60274033;60404013;广东省自然科学基金04300048

在线出版日期：2007-11-05（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：996-999