声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
该杂志刊期列表
- 2026年
- 1期
国内刊号：21-1138/TP
国际刊号：1002-0411
发布日期:
作者：潘贝, 金怀平, 杨彪, 冯丽辉, 陈祥光
关键词：软测量, 即时学习, 集成学习, 加权相似度, 局部加权偏最小二乘
针对传统即时学习软测量方法仅考虑单一的相似度函数，难以有效处理复杂工业过程中的非线性特性，从而导致模型预测性能受限的问题，提出了一种基于多样性加权相似度（DWS）的集成局部加权偏最小二乘（LWPLS）软测量建模方法.首先采用随机子空间法和高斯混合聚类，构建一组多样性的训练样本子集；然后通过偏最小二乘回归分析确定输入特征权值，从而定义一组多样性加权相似度函数.在线实施阶段，对于任意的查询样本，基于多样性的相似度指标，可建立一组多样性的LWPLS软测量模型，随后引入集成学习策略实现难测变量的融合预测.在数值例子和脱丁烷塔过程中的应用结果表明了该方法的有效性.
来源：2019年第2期
《信息与控制》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。