基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.
推荐文章
基于支持向量机的软测量建模方法
支持向量机
发酵
软测量
神经网络
部分最小二乘
基于深度集成支持向量机的工业过程软测量方法
支持向量机
软测量
深度置信网络
集成学习
预测
基于差分进化算法-最小二乘支持向量机的软测量建模
软测量
最小二乘支持向量机
差分进化算法
对羧基苯甲醛
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的软测量建模方法的应用
来源期刊 南京工业大学学报(自然科学版) 学科 工学
关键词 支持向量机 软测量 神经网络
年,卷(期) 2007,(3) 所属期刊栏目 研究简报
研究方向 页码范围 99-102
页数 4页 分类号 TP18
字数 2861字 语种 中文
DOI 10.3969/j.issn.1671-7627.2007.03.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张湜 南京工业大学自动化学院 77 685 17.0 21.0
2 王永华 南京工业大学自动化学院 9 135 8.0 9.0
3 崔永超 南京工业大学自动化学院 1 21 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (131)
参考文献  (7)
节点文献
引证文献  (21)
同被引文献  (39)
二级引证文献  (82)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(4)
  • 参考文献(3)
  • 二级参考文献(1)
2004(4)
  • 参考文献(2)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(4)
  • 引证文献(4)
  • 二级引证文献(0)
2009(10)
  • 引证文献(7)
  • 二级引证文献(3)
2010(9)
  • 引证文献(3)
  • 二级引证文献(6)
2011(12)
  • 引证文献(1)
  • 二级引证文献(11)
2012(20)
  • 引证文献(1)
  • 二级引证文献(19)
2013(6)
  • 引证文献(0)
  • 二级引证文献(6)
2014(13)
  • 引证文献(3)
  • 二级引证文献(10)
2015(8)
  • 引证文献(0)
  • 二级引证文献(8)
2016(7)
  • 引证文献(0)
  • 二级引证文献(7)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(8)
  • 引证文献(2)
  • 二级引证文献(6)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
支持向量机
软测量
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京工业大学学报(自然科学版)
双月刊
1671-7627
32-1670/N
大16开
南京市浦珠南路30号
1979
chi
出版文献量(篇)
3082
总下载数(次)
9
总被引数(次)
24308
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导