基于KPCA-LSSVM的软测量建模方法

王强; 田学民

您当前的位置：

首页 >

文章列表页 >

基于KPCA-LSSVM的软测量建模方法

更新时间：2025-12-10

- 基于KPCA-LSSVM的软测量建模方法
- CIESC Journal Issue 10, Pages: 2813-2817(2011)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Online First：05 October 2011，
  
  Published：05 October 2011
- 稿件说明：
移动端阅览
王强, 田学民. 基于KPCA-LSSVM的软测量建模方法[J]. CIESC Journal, 2011, (10): 2813-2817.
DOI：

王强, 田学民. 基于KPCA-LSSVM的软测量建模方法[J]. CIESC Journal, 2011, (10): 2813-2817. DOI：

摘要

提出了一种将核主成分分析（KPCA）和最小二乘支持向量机（LSSVM）相结合的软测量建模方法。核主成分分析能够对样本数据进行特征提取，消除数据的相关性。本文利用KPCA提取主元，降低样本的维数；然后利用最小二乘支持向量机进行建模，不仅降低了模型的复杂性，而且提高了模型的泛化能力。用该方法建立柴油凝点的软测量模型，和其他4种方法比较，结果表明基于KPCALSSVM方法建立的软测量模型有较好的预测效果和泛化能力，是一种有效的数据建模方法。

Abstract

关键词

Keywords

references

Views

459

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Controlled synthesis of Bi2MoO6/MoO3 composite fibers via in-situ hydrothermal method and their high-efficiency photocatalytic hydrogen production performance

Construction of transition metal-based nitrogen-doped carbon and their desulfurization performance

Recent advances in machine learning for modeling and control of crystallization processes

Identification of gas-liquid two-phase flow patterns in a riser based on recursive characteristics and CNN

Mechanism and regulation of supercooling behavior in imidazolium-based ionic liquids

Related Author

No data

Related Institution

No data

⁰