基于改进聚类和加权bagging的多模型软测量建模

• 作者: 傅雨佳 张文清 杨慧中
• 来源期刊: 化工学报
• 关键词: K-近邻 多模型 集成学习 bagging 支持向量机
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2697-2702
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.0438-1157.2012.09.004

摘要

针对化工生产过程中软测量模型估计精度的问题,提出一种基于改进聚类和加权bagging的多模型建模方法.该方法在传统FCM聚类的基础上,利用K-近邻处理进一步降低错分率,改善聚类效果；通过相关性分析对训练样本集进行特征分组,将原始集划分为多个特征集；最后根据加权bagging的集成学习算法,融合支持向量机自适应地实现多模型建模.仿真结果表明,该建模方法可以合理地加权分配特征子模型,使得模型估计精度得到提高,具有更强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张文清	江南大学教育部轻工过程先进控制重点实验室	3	33	2.0	3.0
2	傅雨佳	江南大学教育部轻工过程先进控制重点实验室	4	23	3.0	4.0
3	杨慧中	江南大学教育部轻工过程先进控制重点实验室	228	1844	20.0	33.0