一种改进的RPCL聚类算法及其在软测量中的应用

• 作者: 李勇刚 桂卫华 阳春华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: RPCL算法 样本区域密度 RBF神经网络 溶出率 软测量
• 年，卷（期）: 2003,（31）
• 所属期刊栏目: 博士论坛
• 页码范围: 30-32,200
• 页数: 4页
• 分类号: TP18
• 字数: 3570字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2003.31.010

摘要

传统RPCL聚类算法是在随机选取样本的前提下修正权矢量的,没有考虑样本集的空间分布情况.为此,该文提出了一种改进的RPCL聚类算法.该算法引入样本区域密度的概念,根据密度大小按不同的概率选取样本,以修正权矢量.利用文[1]中的算例证明了新算法比传统RPCL算法具有更好的聚类速度和精度.最后将算法用于基于RBF神经网络的氧化铝高压溶出过程中溶出率的软测量,仿真结果表明改进的RPCL算法能很好地实现数据样本的聚类,从而提高软测量模型的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳春华	中南大学信息科学与工程学院	389	3229	27.0	37.0
2	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
3	李勇刚	中南大学信息科学与工程学院	82	545	11.0	20.0