本文選題：變量相關關系　切入點：主成分分析(PCA)　出處：《東北大學學報(自然科學版)》2017年05期

【摘要】：以PCA,ICA為代表的多元統(tǒng)計監(jiān)測方法總是基于各種各樣的前提假設,如果不考慮它們的適用條件盲目選擇監(jiān)測算法,則可能給出錯誤結(jié)論,增加故障誤報漏報的概率.針對理論方法在應用時面臨的條件限制問題,在無先驗知識的情況下,提出一種數(shù)據(jù)特性的分析方法,通過參數(shù)尋優(yōu)并逐步剔除線性相關變量組的方法,實現(xiàn)多變量過程線性非線性的自動判別.仿真分析表明所提方法可以根據(jù)數(shù)據(jù)特點及各算法的適用條件自動選擇適當?shù)谋O(jiān)測算法,具有一定的實用價值.
[Abstract]:The multivariate statistical monitoring method represented by PCACICA is always based on a variety of presuppositions. If we blindly select the monitoring algorithm without considering their applicable conditions, we may give a wrong conclusion and increase the probability of failure false positives.In order to solve the problem of conditional restriction in the application of theory and method, a method of analyzing data characteristics without prior knowledge is proposed. The method of parameter optimization is used to eliminate linear correlation variable group step by step.Automatic discrimination of linear nonlinearity of multivariable processes is realized.Simulation results show that the proposed method can automatically select appropriate monitoring algorithms according to the characteristics of the data and the applicable conditions of each algorithm, and has certain practical value.
【作者單位】： 東北大學信息科學與工程學院;東北大學流程工業(yè)綜合自動化國家重點實驗室;沈陽航空航天大學設計藝術(shù)學院;
【基金】：國家自然科學基金資助項目(61374146) 遼寧省科學技術(shù)計劃項目(2015020051) 中央高校基本科研業(yè)務費專項資金資助項目(N140404020)
【分類號】：TB114.3

【相似文獻】

相關期刊論文 前3條

1 張西安;董春紅;孫曉麗;唐艷霞;王國慶;;基于紅外光譜-小波變換-核獨立成分分析的地黃炮制過程終點確定[J];河南師范大學學報(自然科學版);2009年03期

2 李秀麗;董吉文;吳瑞海;;KICA與Relief算法相結(jié)合的人臉識別研究[J];山東科學;2011年05期

3 ;[J];;年期

相關會議論文 前3條

1 王國慶;董春紅;孫雨安;丁青竹;孫曉麗;;基于核獨立成分分析-小波變換-紅外光譜法的地黃炮制過程監(jiān)控[A];第九屆全國計算（機）化學學術(shù)會議論文摘要集[C];2007年

2 傅若瑋;宋執(zhí)環(huán);;基于核獨立成分分析的過程故障檢測方法[A];全國第19屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集（上冊）[C];2008年

3 李華;李吉光;高鈞;張?zhí)忑?李華;;在線紅外結(jié)合核獨立成分分析對3,5-二氨基-1,2,4-三唑合成機理的研究[A];中國化學會第29屆學術(shù)年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

相關碩士學位論文 前8條

1 梁歡;基于核獨立成分分析的心電信號特征提取和分類算法研究[D];天津工業(yè)大學;2016年

2 朱菲菲;基于數(shù)據(jù)驅(qū)動的工業(yè)過程故障診斷研究[D];哈爾濱理工大學;2017年

3 彭磊;分塊核獨立成分分析的人臉識別方法研究[D];廣東工業(yè)大學;2012年

4 祝元春;基于核獨立成分分析的發(fā)酵過程監(jiān)測方法研究[D];北京化工大學;2013年

5 劉卓欣;基于核獨立成分分析的邊緣特征表示[D];華南理工大學;2011年

6 婁俊;基于核獨立成分分析的人臉檢測與識別系統(tǒng)的應用研究[D];武漢科技大學;2008年

7 任亞平;基于核獨立成分分析的圖像去噪[D];華南理工大學;2011年

8 孫士博;核獨立成分分析在心律失常模式分類中的應用[D];燕山大學;2009年

，

本文編號：1728741