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:
离线建立的软测量模型的预报精度往往逐渐降低,通常需要在线更新模型.为此,提出一种基于选择性核学习的在线软测量建模方法.该方法首先建立最小二乘支持向量机模型,并采用基于预报误差限的选择性前向学习策略更新模型,以提高其稀疏性.此外,为了更准确地删除冗余样本,在后向学习中,提出一种在高维特征空间同时利用输入输出数据的相似度准则,选择性删除与当前状态相似度最小的样本.利用某石化公司聚丙烯熔融指数的软测量建模结果进行了方法验证.
推荐文章
基于进化多目标优化的选择性集成学习软测量建模
软测量
集成学习
输入特征扰动
集成修剪
进化多目标优化
高斯过程回归
基于EMD和选择性集成学习算法的磨机负荷参数软测量
经验模态分解
选择性集成建模
磨机负荷参数
选择性信息融合
频谱特征
基于在线聚类的多模型软测量建模方法
多模型
软测量
在线聚类
v-支持向量回归机
k-交叉验证算法
基于即时学习算法的软测量建模方法
即时学习
k-矢量近邻
软测量
酯化率
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 基于选择性核学习的在线软测量建模方法
来源期刊 舰船电子工程 学科 工学
关键词 软测量 选择性核学习 最小二乘支持向量机 相似度
年,卷(期) 2018,(6) 所属期刊栏目 信息融合技术
研究方向 页码范围 26-29,57
页数 5页 分类号 TP274
字数 3573字 语种 中文
DOI 10.3969/j.issn.1672-9730.2018.06.007
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (15)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(8)
  • 参考文献(3)
  • 二级参考文献(5)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(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)
研究主题发展历程
节点文献
软测量
选择性核学习
最小二乘支持向量机
相似度
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
舰船电子工程
月刊
1672-9730
42-1427/U
大16开
湖北省武汉市
1981
chi
出版文献量(篇)
9053
总下载数(次)
18
总被引数(次)
27655
论文1v1指导