基于支持向量机与RBF神经网络的软测量模型比较研究

被引：16

作者：

冯瑞

宋春林

张艳珠

邵惠鹤

机构：

[1] 上海交通大学自动化系

[2] 东北大学信息工程学院

[3] 沈阳工业学院信息工程系

来源：

上海交通大学学报 | 2003年 / S2期

关键词：

支持向量机; 软测量; RBF神经网络; 建模;

D O I：

10.16183/j.cnki.jsjtu.2003.s2.030

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

给出了基于支持向量机(SVMs)和RBF神经网络的软测量建模方法.通过对这两种方法进行理论分析和仿真比较研究,结果表明,SVMs方法跟踪性能好、泛化能力强、对样本的依赖程度低,它比基于RBF神经网络的软测量建模具有更好的推广能力.

引用

页码：122 / 125

页数：4

共 7 条

[1] 关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01) :36-46

[2] 基于RBFN的加氢裂化分馏塔产品质量估计MIMO软测量 [J].

仲蔚 ;

俞金寿 .

石油化工自动化, 1999, (05) :19-21+25

[3] 先进控制技术及应用第三讲软测量技术及其应用 [J].

荣冈，金晓明，王树青 .

化工自动化及仪表, 1999, (04) :72-75

[4] 基于神经网络的通用软测量技术 [J].

王旭东 ;

邵惠鹤 .

自动化学报, 1998, (05) :128-132

[5] 软测量技术 [J].

徐敏 ;

俞金寿 .

石油化工自动化, 1998, (02) :5-7+23+3

[6] RBF神经元网络在非线性系统建模中的应用 [J].

王旭东 ;

邵惠鹤 .

控制理论与应用, 1997, (01) :59-66

[7] 神经元网络建模与软测量技术 [J].

王旭东，邵惠鹤 .

化工自动化及仪表, 1996, (02)

← 1 →