改进仿射传播聚类提升多模型软测量建模精度

本文主要探讨了"基于改进仿射传播聚类的多模型软测量建模及应用"这一主题，发表在2016年4月的《南京理工大学学报》第40卷第2期上。软测量建模是信息技术领域的一个关键环节，特别是在处理复杂的工业过程控制问题时，多模型方法因其灵活性和准确性而受到重视。 作者孙茂伟和杨慧中，分别作为硕士研究生和教授，他们在文中提出了一个创新的方法，旨在提升多模型软测量建模的精度。传统的聚类技术，如仿射传播聚类，其效果对模型精度有显著影响。为了改进这一点，他们引入了人工鱼群算法对仿射传播聚类算法中的参数，如偏向参数和阻尼系数进行优化。这些参数的调整有助于更好地组织和分类样本数据，从而提高聚类的精确性。 特别地，针对聚类过程中可能存在的边界模糊问题，他们设计了一种策略：在距离类别边界较近的样本区域设置重叠类，并利用支持向量机(SVM)来建立每个类别的回归子模型。这种结合提高了模型的适应性和鲁棒性，能够更准确地反映不同模型间的动态关系。 通过实验验证，包括标准数据集的仿真和工业双酚A生产装置的实际现场数据建模仿真，该方法的有效性得到了证实。研究结果表明，这种方法不仅提高了软测量建模的精度，还具有广泛的应用前景，尤其是在需要处理复杂工业过程控制问题的场景下。 本文的关键词包括"多模型", "软测量", "仿射传播聚类", "人工鱼群算法", 和 "支持向量机"，这些都是构建和评估复杂系统性能的关键概念。此外，文章引用了中国科技期刊CNKI的国际标准号10.14177/j.32-1397n.2016.40.02.012，供读者追踪和引用。 这篇研究论文提供了一种实用且创新的软测量建模方法，通过结合多种算法优化和智能处理，对于提升工业过程的控制精度具有重要的理论价值和实践意义。