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:
针对在高维输入空间数据点的异常稀疏性(维数灾难)会导致支持向量机回归模型产生偏差的问题,提出了一种基于叠加模型的支持向量机回归方法——叠加支持向量机回归(AddSVR).AddSVR的实现是通过对每一维输入进行核化,然后将每一个核空间进行叠加得到,基于叠加模型可以克服维数灾难的问题,使得其在处理高维问题时估计偏差减小.为了更方便、迅速地实现AddSVR,还提出了对支持向量机的一种简化的二次规划描述.将AddSVR用于醋酸共沸精馏中塔底醋酸组分的预测,仿真实验结果表明,AddSVR模型与传统的SVR和最小二乘支持向量机回归(LS-SVM)模型相比有更好的预测效果.
推荐文章
基于向量投影的代谢支持向量机乙烯精馏产品质量软测量建模
动态建模
预测
模型
乙烯精馏
代谢支持向量机
向量投影
软测量
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
鲁棒最小二乘支持向量机及其在软测量中的应用
模糊C均值聚类
密度加权
鲁棒最小二乘支持向量机
磨机负荷
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
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 叠加支持向量机及其在醋酸精馏软测量中的应用
来源期刊 华东理工大学学报(自然科学版) 学科 工学
关键词 叠加模型 支持向量机 醋酸精馏 软测量
年,卷(期) 2013,(2) 所属期刊栏目 研究论文
研究方向 页码范围 200-205
页数 6页 分类号 TP273
字数 4073字 语种 中文
DOI
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 李静 华东理工大学化工过程先进控制和优化技术教育部重点实验室 23 104 7.0 9.0
2 刘爱伦 华东理工大学化工过程先进控制和优化技术教育部重点实验室 38 268 9.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (36)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (0)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(5)
  • 参考文献(2)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(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)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
叠加模型
支持向量机
醋酸精馏
软测量
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
华东理工大学学报(自然科学版)
双月刊
1006-3080
31-1691/TQ
16开
上海市梅陇路130号
4-382
1957
chi
出版文献量(篇)
3399
总下载数(次)
2
总被引数(次)
27146
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导