文件名称：KPCA-RVM组合建模方法及其在软测量中的应用 (2009年)
文件大小：1.3MB
文件格式：PDF
更新时间：2024-06-06 02:39:36
工程技术 论文
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。