|
|
KPCA-RVM组合建模方法及其在软测量中的应用
颜学峰, 陈 佳, 胡春平, 钱 锋
石油化工高等学校学报
2009, 22 (1):
82-85.
提出了一种核主元分析(KPCA)和关联向量机(RVM)相结合的组合建模方法。KPCA - RVM采用KPCA对原始自变量进行非线性变换并提取主成分，形成特征自变量；采用 RVM，对 KPCA变换后的样本数据进行回归建模，并根据模型的预报能力自适应的确定参与回归的最佳特征变量个数，消除冗余信息干扰，获得强非线性表达能力且预报性能良好的模型。并将KPCA - RVM应用于 PTA装置对羧基苯甲醛(4 - CBA)含量的软测量建模，结果表明该方法预测精度高于PCA - RVM和RVM。
相关文章 |
多维度评价
|
|
