基于加权支持向量机的移动建模方法及其在软测量中的应用(英文)

被引：12

作者：

冯瑞

张玥杰

张艳珠

邵惠鹤

机构：

[1] 复旦大学计算机科学与工程系,复旦大学计算机科学与工程系,沈阳工业学院信息工程系,上海交通大学自动化系上海,上海,沈阳,上海

来源：

自动化学报 | 2004年 / 03期

关键词：

支持向量机; 加权支持向量机; 局部加权学习; 建模;

D O I：

10.16383/j.aas.2004.03.017

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

工业过程软测量技术的核心问题是建立软测量模型,然而,利用传统全局建模方法与多模型建模方法进行复杂工业过程软测量建模时,在不同程度上存在一些问题.本文利用支持向量机(SVMs)泛化能力强的特点,结合局部加权学习(LWL)算法思想,提出一种适于局部学习的加权支持向量机(W-SVMs)学习算法和基于这种算法的移动建模方法.利用这种建模方法对Box-Jenkins煤气炉和重油催化裂化(FCCU)装置进行分析建模,并与其它不同建模方法进行比较,显示了该方法的优点和有效性.

引用

页码：436 / 441

页数：6