改进仿射传播聚类提升多模型软测量建模精度
需积分: 5 123 浏览量
更新于2024-08-12
收藏 384KB PDF 举报
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。
2021-01-14 上传
2021-01-12 上传
2021-02-24 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38704011
- 粉丝: 3
- 资源: 947
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手