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:
针对复杂工业过程的非线性、变量间的强相关性以及工况时变的特点,提出了一种基于局部KPLS特征提取的LSSVM建模方法.该方法通过属性加权的欧式距离指标选取局部训练样本子集,利用KPLS算法对该子集进行特征提取,使用LSSVM算法在线建立局部软测量模型.实验结果表明,该方法可以有效实现特征提取,具有更好的推广能力和预测精度,比基于全局KPLS特征提取的LSSVM模型和未经特征提取的全局LSSVM模型具有更好的泛化能力.
推荐文章
基于KPCA-LSSVM的软测量建模方法
软测量
核主成分分析(KPCA)
最小二乘支持向量机(LSSVM)
特征提取
基于KFCM和AMDE-LSSVM的软测量建模方法
自适应变异差分进化算法
核模糊C均值聚类
最小二乘向量机
秸秆发酵
改进的局部LSSVM算法在明胶浓度软测量中的应用
明胶浓度
软测量
最小二乘支持向量机
局部学习
粒子群算法
K均值聚类
融合全局和局部特征的图像特征提取方法
特征提取
线性判别分析
保局投影算法
全局特征
局部特征
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 局部KPLS特征提取的LSSVM软测量建模方法
来源期刊 计算机工程与应用 学科 工学
关键词 核偏最小二乘 在线最小二乘支持向量机(LSSVM) 局部学习 特征提取
年,卷(期) 2011,(21) 所属期刊栏目 工程与应用
研究方向 页码范围 235-238
页数 分类号 TP18
字数 3771字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.21.062
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 杨慧中 江南大学通信与控制工程学院 228 1844 20.0 33.0
2 李雅芹 江南大学通信与控制工程学院 5 59 5.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (155)
参考文献  (10)
节点文献
引证文献  (6)
同被引文献  (34)
二级引证文献  (12)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(6)
  • 参考文献(3)
  • 二级参考文献(3)
2006(10)
  • 参考文献(1)
  • 二级参考文献(9)
2007(5)
  • 参考文献(2)
  • 二级参考文献(3)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
核偏最小二乘
在线最小二乘支持向量机(LSSVM)
局部学习
特征提取
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导