...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Acta Automatica Sinica >Drifting Modeling Method Using Weighted Support Vector Machines with Application to Soft Sensor
【24h】

Drifting Modeling Method Using Weighted Support Vector Machines with Application to Soft Sensor

机译：加权支持向量机的漂移建模方法及其在软传感器中的应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The kernel problem in soft sensor of industrial processes is how to build the soft sensor model. However, there exist some questions to some extent in soft sensor model with conventional modeling methods such as global single model and multiple models. Using the high generalization ability of support vector machines (SVMs) and the idea of locally weighted learning (LWL) algorithm, this paper proposes a novel learning algorithm named weighted support vector machines (W_ SVMs) which is suitable for local learning. We also present a drifting modeling method based on this algorithm. The proposed modeling method is applied to the estimation of Box-Jenkins gas furnace and FCCU and the simulation results show that the proposed approach is superior to the traditional modeling methods.
机译：工业过程软传感器的核心问题是如何建立软传感器模型。然而，在采用传统建模方法的软传感器模型中，诸如全局单个模型和多个模型，在一定程度上存在一些问题。利用支持向量机（SVM）的高泛化能力和局部加权学习（LWL）算法的思想，提出了一种适用于局部学习的新型学习算法，称为加权支持向量机（W_SVM）。我们还提出了一种基于该算法的漂移建模方法。将所提出的建模方法应用于Box-Jenkins煤气炉和FCCU的估计中，仿真结果表明，该方法优于传统的建模方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号