本文關(guān)鍵詞：基于改進(jìn)Bagging算法的高斯過程集成軟測(cè)量建模

  更多相關(guān)文章： 算法 軟測(cè)量 模型 高斯過程 反應(yīng)器

【摘要】：為提高對(duì)工況復(fù)雜的工業(yè)過程進(jìn)行軟測(cè)量建模的模型精度和泛化能力,提出了一種基于改進(jìn)Bagging算法的高斯過程集成軟測(cè)量建模方法。該算法采用高斯過程回歸算法建立集成學(xué)習(xí)模型的基學(xué)習(xí)器,并在Bagging算法對(duì)訓(xùn)練樣本重采樣生成基學(xué)習(xí)器訓(xùn)練子集的基礎(chǔ)上,采用基于正則化互信息的特征排序指標(biāo)進(jìn)行基學(xué)習(xí)器的輸入特征抽取,實(shí)現(xiàn)有監(jiān)督的特征擾動(dòng),從而改善學(xué)習(xí)器的差異度。待測(cè)樣本進(jìn)行軟測(cè)量估計(jì)時(shí),根據(jù)各高斯過程基學(xué)習(xí)器輸出的方差自適應(yīng)地選擇基學(xué)習(xí)器進(jìn)行集成輸出。采用工業(yè)雙酚A生產(chǎn)裝置反應(yīng)器的現(xiàn)場(chǎng)數(shù)據(jù)建模仿真,結(jié)果表明該方法是有效的。
【作者單位】： 江南大學(xué)教育部輕工過程先進(jìn)控制重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 算法 軟測(cè)量 模型 高斯過程 反應(yīng)器
【基金】：國家自然科學(xué)基金項(xiàng)目(61273070) 江蘇省高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目~~
【分類號(hào)】：TP274
【正文快照】： 引言軟測(cè)量技術(shù)[1-2]是對(duì)工業(yè)過程中難以直接測(cè)量的重要變量進(jìn)行在線估計(jì)的常用方法,其中建模方法是軟測(cè)量技術(shù)的核心內(nèi)容。隨著現(xiàn)代工業(yè)水平的發(fā)展和提高,過程對(duì)象越來越復(fù)雜,通常存在多工Received date:2015-07-30.Corresponding author:Prof.YANG Huizhong,yhz_jn@163.comF

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王立;朱學(xué)峰;;一種基于迭代Bagging的回歸算法[J];控制工程;2009年01期

2 謝元澄;楊靜宇;;刪除最差基學(xué)習(xí)器來層次修剪Bagging集成[J];計(jì)算機(jī)研究與發(fā)展;2009年02期

3 李明方;張化祥;;針對(duì)不平衡數(shù)據(jù)集的Bagging改進(jìn)算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年30期

4 劉青,李海峰,袁科;微陣列數(shù)據(jù)中一種改進(jìn)Bagging決策樹算法的研究[J];計(jì)算機(jī)工程與科學(xué);2005年06期

5 張震,胡捍英;基于屬性Bagging kNN性能的增強(qiáng)[J];計(jì)算機(jī)工程;2005年15期

6 謝元澄;楊靜宇;;基于基學(xué)習(xí)器差異度的層次化Bagging集成修剪[J];信息與控制;2009年04期

7 秦姣龍;王蔚;;Bagging組合的不平衡數(shù)據(jù)分類方法[J];計(jì)算機(jī)工程;2011年14期

8 趙蘇;李秀;劉文煌;;基于分類器性能評(píng)價(jià)的Bagging文本分類算法[J];計(jì)算機(jī)工程;2008年01期

9 姚明海;趙連朋;劉維學(xué);;基于特征選擇的Bagging分類算法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2014年04期

10 何亮;宋擒豹;海振;沈鈞毅;;基于Bagging的組合k-NN預(yù)測(cè)模型與方法[J];控制與決策;2010年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 李曉波;;集成分類對(duì)比:Bagging NB & Boosting NB[A];2010年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集[C];2010年

，

本文編號(hào)：985456