基于多K最近邻回归算法的软测量模型

• 作者: 李平 王改堂 苏成利
• 来源期刊: 信息与控制
• 关键词: 多K最近邻 高斯过程 K最近邻 软测量模型 自适应仿射传播聚类 主元回归
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 639-645
• 分类号: TP181
• 语种: 中文
• DOI: 10.3724/SP.J.1219.2011.00639

摘要

针对单一模型预测精度较低的问题,提出多K最近邻回归算法(MKNN)的软测量建模方法.该方法采用高斯过程选择软测量模型的辅助变量,通过自适应仿射传播聚类方法将输入样本数据分成多组数据,对每组数据用K最近邻回归(KNN)算法建立子模型,各个子模型的预测输出通过主元回归(PCR)方法连接.用该方法建立粗汽油干点软测量模型,仿真研究表明,该算法的预测精度和泛化能力优于单KNN模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	辽宁石油化工大学信息与控制工程学院	180	1236	17.0	27.0
2	苏成利	辽宁石油化工大学信息与控制工程学院	89	409	9.0	12.0
3	王改堂	西北工业大学自动化学院	5	36	4.0	5.0