基于神经网络的非线性PCA方法

被引：4

作者：

孔薇

杨杰

机构：

[1] 上海交通大学图像处理与模式识别研究所

[2] 上海交通大学图像处理与模式识别研究所上海

[3] 上海

来源：

计算机仿真 | 2003年 / 07期

关键词：

主元分析; 非线性主元分析; 径向基函数神经网络; 正交最小二乘方法; 熔融指数;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

该文采用基于正交最小二乘方法 (OLS)的径向基函数 (RBF)神经网络进行非线性主元分析 (NLPCA)算法的训练 ,提高了训练速度 ,且不存在局部最优问题。将其应用到聚丙烯生产的高维非线性数据相关特性的提取中 ,仿真试验显示这种NLPCA方法提高了熔融指数 (MI)的预报精度 ,具有实际应用价值。

引用

页码：65 / 67+96 +96

页数：4

共 5 条

[1]

Principal Components and Factor Analysis: PartⅠ—Principal Components. J Edward Jackson. Journal of Environmental Quality . 1980

[2]

Neural network learning to non-linear principal component analysis. Jia- Hui Jiang,Ji-Hong Wang. Analytica Chimica Acta . 1996

[3]

Nonlinear Principal Component Analysis———Based on Principal Curves and Neural Networks. D Dong,T J Mcavoy. Computers and Chem. Eng . 1996

[4]

Reducing data dimensionality through optimizing Neural Network inputs. S Tan,M Mavrovouniotis. American Institute of Chemical Engineers Journal . 1995

[5]

Nonlinear Principal Component Analysis Using Autoassociative Neural Network. Mark A Kramer. American Institute of Chemical Engineers Journal . 1991

← 1 →