基于支持向量机和粒子群算法的软测量建模

被引：33

作者：

刘瑞兰 ^{[1
]}

牟盛静 ^{[2
]}

苏宏业 ^{[3
]}

褚健 ^{[3
]}

机构：

[1] 南京邮电大学自动化学院

[2] 新加坡高性能计算研究所

[3] 浙江大学

来源：

控制理论与应用 | 2006年 / 06期

基金：

国家杰出青年科学基金;

关键词：

支持向量机; 特征样本; 粒子群优化算法; PTA氧化过程; 软测量;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对PX氧化过程中的4-CBA浓度的估计问题,提出了基于支持向量机和粒子群算法来估计机理模型参数的方法．用支持向量机回归来提取特征样本,这些少量的特征样本估计机理模型参数可以减少计算时间,同时避免了人工随机试凑法选择训练样本的盲目性．采用粒子群算法来估计非线性机理模型的参数,可以避免传统方法对初始点和样本的依赖．工业实例表明,本文提出的方法是有效的．

引用

页码：895 / 899+906 +906

页数：6

共 7 条

[1] 基于贝叶斯方法的4-CBA含量的软测量研究 [J].

陈渭泉 ;

刘瑞兰 ;

牟盛静 ;

苏宏业 .

化工自动化及仪表, 2003, (05) :49-51

[2] PTA技术国产化中的主要化学工程问题及其研究思路 [J].

李希 ;

谢刚 ;

华卫琦 .

聚酯工业, 2001, (01) :1-7

[3]

石化工业过程建模与优化若干问题研究[D]. 牟盛静.浙江大学. 2004

[4]

Recent approaches to global optimization problems through Particle Swarm Optimization[J] . K.E. Parsopoulos,M.N. Vrahatis.Natural Computing . 2002 (2-3)

[5] Gene Selection for Cancer Classification using Support Vector Machines [J].

Isabelle Guyon ;

Jason Weston ;

Stephen Barnhill ;

Vladimir Vapnik .

Machine Learning, 2002, 46 :389-422

[6] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[7]

Statistical Learning Theory .2 Vapnik,V. Springer . 1998

← 1 →