基于贝叶斯学习的关联向量机及其在软测量中的应用

被引：11

作者：

陈佳 ^{[1
]}

颜学峰 ^{[1
]}

钱锋 ^{[2
]}

机构：

[1] 华东理工大学自动化系

[2] 华东理工大学化学工程联合国家重点实验室

来源：

华东理工大学学报(自然科学版) | 2007年 / 01期

基金：

国家杰出青年科学基金;

关键词：

稀疏贝叶斯; 关联向量机; 软测量; 溶剂脱水塔;

D O I：

10.14135/j.cnki.1006-3080.2007.01.026

中图分类号：

TP18 [人工智能理论]; TP274 [数据处理、数据处理系统];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0804 ; 080401 ; 080402 ; 081002 ;

摘要：

介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型——关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能。与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制。将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值。

引用

页码：115 / 119

页数：5