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:
多模型方法是针对多工况工业过程监控所使用的最普遍也是最有效的方法.传统的多模型方法在离线建立子模型时,通常使用EM算法估计子模型的参数,但EM算法容易陷入局部最优,并且无法利用已有的先验信息,会导致建立混合模型不够准确,可能无法有效检测出故障.因此将变分贝叶斯方法与多模型方法相结合,可以充分利用数据的先验知识,估计的参数也更准确.在建立模型计算监控统计量后,通过比较待测试数据落在各个子模型中后验概率的大小整合多个监控结果.对TE过程的仿真实验表明,变分贝叶斯用于多模型方法可以有效地监控工业过程.
推荐文章
基于变分贝叶斯算法的青霉素发酵过程建模
青霉素发酵过程
变分贝叶斯算法
融合模型
基于变分贝叶斯算法的线性变参数系统辨识
非线性过程
线性变参数系统
多模型
变分贝叶斯算法
参数估计
一种基于变分贝叶斯的半监督双聚类算法
双聚类算法
变分贝叶斯
半监督学习
概率模型
基于ICA混合模型的多工况过程故障诊断方法
ICA混合模型
多工况过程
后验概率
传递熵
贡献图
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 基于变分贝叶斯方法的多工况过程监控
来源期刊 安徽师范大学学报(自然科学版) 学科 工学
关键词 变分贝叶斯 混合概率主元分析 多工况过程
年,卷(期) 2015,(1) 所属期刊栏目 物理与电子信息科学
研究方向 页码范围 49-53
页数 5页 分类号 TP277
字数 3832字 语种 中文
DOI 10.14182/J.cnki.1001-2443.2015.01.0011
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 侍洪波 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 80 753 15.0 24.0
2 安妮 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 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (18)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1991(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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(1)
  • 引证文献(1)
  • 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
变分贝叶斯
混合概率主元分析
多工况过程
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
安徽师范大学学报(自然科学版)
双月刊
1001-2443
34-1064/N
大16开
安徽省芜湖市北京东路1号
26-207
1957
chi
出版文献量(篇)
2772
总下载数(次)
12
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导