基于LS-SVM的软测量模型及其工业应用

• 作者: 张艳存 李学军 桂卫华 王凌云
• 来源期刊: 计算机测量与控制
• 关键词: 最小二乘支持向量机 特征提取 软测量 苛性比值
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 自动化测试
• 页码范围: 294-296
• 页数: 3页
• 分类号: TP273
• 语种: 中文

摘要

最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种扩展,其算法简练,计算速度快;利用LS-SVM进行特征提取,可以有效地降低输入样本维数,缩减模型的运算时间,同时LS-SVM又具有优越的非线性回归能力;为实现氧化铝高压溶出过程中苛性比值在线测量,建立了一种基于LS-SVM的软测量模型,并将此模型应用于实际生产;工业数据的仿真结果表明该模型具有较高的预测精度和范化能力,能满足在线检测、实时控制的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
2	李学军	中南大学信息科学与工程学院	78	383	11.0	15.0
3	王凌云	中南大学信息科学与工程学院	9	91	7.0	9.0
4	张艳存	中南大学信息科学与工程学院	6	72	4.0	6.0