基于特征聚类数据划分的多神经网络模型

被引：8

作者：

张宇献

李松

董晓

机构：

[1] 沈阳工业大学电气工程学院

来源：

信息与控制 | 2013年 / 42卷 / 06期

关键词：

非线性系统; 多神经网络; 数据划分; 特征聚类; 自适应加权;

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：

摘要：

针对采用单个数据模型描述非线性系统时存在的鲁棒性较差的问题,提出一种基于特征聚类数据划分的多神经网络建模方法.该方法通过构造特征函数对样本数据集进行聚类实现数据划分,划分后的子数据集采用径向基神经网络建立子模型,然后以总均方差最小为目标实现多神经网络模型的自适应加权,达到提高模型精确度和鲁棒性的目的.最后将所提出的多模型建模方法应用于非线性系统和纺织浆纱过程回潮率软测量建模中,并分别与单神经网络模型和等加权多神经网络进行比较.实验结果表明所建立的多神经网络模型的均方根误差和最大误差小于单神经网络模型和等加权多神经网络模型.

引用

页码：693 / 699

页数：7

共 14 条

[1] 基于振动频谱的磨机负荷在线软测量建模 [J].

汤健 ;

赵立杰 ;

柴天佑 ;

岳恒 .

信息与控制, 2012, 41 (01) :123-128

[2] 基于递归高阶神经网络的污水处理系统建模 [J].

杨维维 ;

乔俊飞 .

信息与控制, 2011, 40 (05) :710-714+720

[3]

基于数据驱动的铜闪速熔炼过程操作模式优化及应用 [J]. 桂卫华,阳春华,李勇刚,贺建军,尹林子.&nbsp&nbsp自动化学报. 2009(06)

[4] 一个新的聚类有效性分析指标 [J].

李双虎 ;

张风海 .

计算机工程与设计, 2007, (08) :1772-1774

[5] 基于多神经网络模型的软测量方法及应用 [J].

常玉清 ;

王小刚 ;

王福利 .

东北大学学报, 2005, (06) :519-522

[6] 一种利用多神经网络结构建立非线性软测量模型的方法 [J].

熊智华 ;

王雄 ;

徐用懋 .

控制与决策, 2000, (02) :173-176

[7] An Efficient Global K-means Clustering Algorithm [J].

Xie, Juanying ;

Jiang, Shuai ;

Xie, Weixin ;

Gao, Xinbo .

JOURNAL OF COMPUTERS, 2011, 6 (02) :271-279

[8]

Data clustering: 50 years beyond K-means [J] . Anil K. Jain.&nbsp&nbspPattern Recognition Letters . 2009 (8)

[9]

Data-based process monitoring, process control, and quality improvement: Recent developments and applications in steel industry [J] . Manabu Kano,Yoshiaki Nakagawa.&nbsp&nbspComputers and Chemical Engineering . 2007 (1)

[10] Combination of multiple neural networks using data fusion techniques for enhanced nonlinear process modelling [J].

Ahmad, Z ;

Zhang, J .

COMPUTERS & CHEMICAL ENGINEERING, 2005, 30 (02) :295-308

← 1 2 →