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:
由于发酵过程存在多相和多模态特性,不满足高斯分布假设,使得传统软测量模型预测精度较低.基于高斯混合回归(GMR)的软测量模型能够很好的解决这个问题.然而,在确定混合高斯元数目上存在难度并且尚未得到解决.在本研究中,仿射传播聚类算法(AP)及其改进方法一自适应仿射传播聚类算法(adAP)因其具有对数据空间进行自动划分的能力,被首次应用到基于高斯混合回归软测量建模数据预处理中.通过青霉素发酵过程仿真实验表明,仿射传播聚类方法和自适应仿射传播聚类方法都适用于高斯混合回归建模,但是后者对应软测量模型预测效果更好.
推荐文章
基于仿射传播聚类的ARA发酵过程建模
花生四烯酸
多模型建模
仿射传播聚类
支持向量机
基于证据合成的高斯过程回归多模型软测量方法
软测量
多模型
高斯过程回归
证据理论
仪表
发酵
算法
基于改进仿射传播聚类的多模型软测量建模及应用
多模型
软测量
仿射传播聚类
人工鱼群算法
支持向量机
基于在线动态高斯过程回归抽油井动液面软测量建模
抽油井
动液面
高斯过程回归
预测
石油
动态建模
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 基于仿射传播聚类的自适应数据空间划分及发酵过程高斯混合回归软测量模型建模
来源期刊 计算机与应用化学 学科 工学
关键词 青霉素发酵过程 软测量 高斯混合回归 仿射传播聚类 自适应仿射传播聚类
年,卷(期) 2017,(1) 所属期刊栏目 研究论文
研究方向 页码范围 47-53
页数 7页 分类号 TQ015.9
字数 1303字 语种 中文
DOI 10.16866/j.com.app.chem201701009
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 刘国海 江苏大学电气信息工程学院 263 3146 27.0 43.0
2 梅从立 江苏大学电气信息工程学院 50 435 12.0 18.0
3 丁煜函 江苏大学电气信息工程学院 19 87 5.0 9.0
4 江辉 江苏大学电气信息工程学院 20 171 8.0 12.0
5 尹梁 江苏大学电气信息工程学院 3 8 2.0 2.0
6 张海洋 江苏大学电气信息工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (156)
参考文献  (20)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(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)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(2)
  • 二级参考文献(2)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(7)
  • 参考文献(2)
  • 二级参考文献(5)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(9)
  • 参考文献(3)
  • 二级参考文献(6)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(4)
  • 参考文献(4)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
青霉素发酵过程
软测量
高斯混合回归
仿射传播聚类
自适应仿射传播聚类
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
计算机与应用化学
双月刊
1001-4160
11-3763/TP
大16开
北京中关村北二街2条1号
82-500
1984
chi
出版文献量(篇)
5704
总下载数(次)
10
总被引数(次)
27612
论文1v1指导