本文選題：半監(jiān)督 + 魯棒概率偏最小二乘�。� 參考：《信息與控制》2017年06期

【摘要】：針對實際工業(yè)過程中多采樣率問題,引入半監(jiān)督方法,提出一種半監(jiān)督魯棒概率偏最小二乘法,將采樣率不一致的完整數(shù)據(jù)分成少數(shù)標(biāo)記樣本和大量未標(biāo)記樣本,然后分別用這兩種樣本數(shù)一致的數(shù)據(jù)建立魯棒概率偏最小二乘(PPLS)模型,通過充分挖掘大量未標(biāo)記數(shù)據(jù)提供的有用信息來提高模型的準(zhǔn)確性.更進一步,將半監(jiān)督魯棒PPLS引入過程監(jiān)控中,提出GT2、SPEx和SPEy三個監(jiān)控指標(biāo),分別監(jiān)控過程的受控狀態(tài)以及模型關(guān)系的變化.通過對半監(jiān)督魯棒PPLS和降采樣魯棒PPLS在TE過程監(jiān)控應(yīng)用中比較,結(jié)果表明半監(jiān)督魯棒PPLS比降采樣魯棒PPLS效果更好.
[Abstract]:In order to solve the problem of multi-sampling rate in industrial process, a semi-supervised robust probabilistic partial least square method is proposed, which divides the complete data with inconsistent sampling rate into a few labeled samples and a large number of unlabeled samples. Then, the robust probabilistic partial least squares (PPLS) model is established by using the data with the same number of samples, and the accuracy of the model is improved by fully mining the useful information provided by a large amount of unmarked data. Furthermore, semi-supervised robust PPLS is introduced into process monitoring, and three monitoring indexes, GT2OSPEx and SPEy, are proposed to monitor the controlled state of the process and the change of the model relationship respectively. By comparing semi-supervised robust PPLS with down-sampling robust PPLS in te process monitoring, the results show that semi-supervised robust PPLS is more effective than down-sampling robust PPLS.
【作者單位】： 江南大學(xué)輕工過程先進控制教育部重點實驗室;
【基金】：國家自然科學(xué)基金資助項目(61134007,61573169) 江蘇省六大人才高峰項目(2014-ZBZZ-010)
【分類號】：O213

【相似文獻】

相關(guān)期刊論文 前10條

1 廖穎林;;構(gòu)成型顧客滿意模型的偏最小二乘路徑建模及其應(yīng)用[J];數(shù)理統(tǒng)計與管理;2009年01期

2 胡煜;;偏最小二乘方法和二次判別分析方法應(yīng)用于基因芯片數(shù)據(jù)分析[J];鞍山師范學(xué)院學(xué)報;2007年04期

3 葉明;張磊;;偏最小二乘通徑模型在貿(mào)易發(fā)展指數(shù)中的應(yīng)用[J];統(tǒng)計與信息論壇;2010年09期

4 金勇進,梁燕;偏最小二乘(PartialLeast Square)方法的擬合指標(biāo)及其在滿意度研究中的應(yīng)用[J];數(shù)理統(tǒng)計與管理;2005年02期

5 趙璐;匡建超;羅鑫;王眾;金婷;;基于偏最小二乘支持向量機的圖書館效益評價研究[J];科技管理研究;2010年02期

6 殷弘;汪寶彬;;懲罰的偏最小二乘(英文)[J];數(shù)學(xué)雜志;2013年01期

7 陳高波;;基于最小一乘的單因變量偏最小二乘算法[J];武漢工業(yè)學(xué)院學(xué)報;2006年02期

8 楊慧中;陳定三;;局部懲罰加權(quán)核偏最小二乘算法及其應(yīng)用[J];控制工程;2011年06期

9 張忠誠;;成分?jǐn)?shù)據(jù)的偏最小二乘回歸分析法[J];長春師范學(xué)院學(xué)報;2005年11期

10 ;會議信息[J];數(shù)理統(tǒng)計與管理;2008年06期

相關(guān)博士學(xué)位論文 前1條

1 黃新;基于化學(xué)數(shù)據(jù)的若干統(tǒng)計學(xué)習(xí)新方法研究[D];中南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前7條

1 杜曉慧;基于不同罰函數(shù)約束偏最小二乘的應(yīng)用研究[D];長沙理工大學(xué);2015年

2 李洪強;基于核偏最小二乘的故障診斷方法研究[D];東北大學(xué);2009年

3 羅純;基于成分?jǐn)?shù)據(jù)若干分析方法的研究[D];中南大學(xué);2011年

4 夏麗莎;基于偏最小二乘的武漢城市圈經(jīng)濟研究[D];華中科技大學(xué);2010年

5 張艷粉;基于偏最小二乘的BP網(wǎng)絡(luò)模型及其應(yīng)用[D];重慶大學(xué);2007年

6 裴振中;偏最小二乘—最大熵法在石油勘探風(fēng)險評價中的應(yīng)用[D];成都理工大學(xué);2005年

7 陳海波;市場經(jīng)濟下天然氣價格預(yù)測研究——偏最小二乘神經(jīng)網(wǎng)絡(luò)模型（PLSNN）應(yīng)用[D];成都理工大學(xué);2004年

，

本文編號：1774537