| 贝叶斯回归支持向量机的软测量建模方法 |
| |
| 引用本文： | 朱建鸿,丁健,杨慧中,姜永森. 贝叶斯回归支持向量机的软测量建模方法[J]. 南京航空航天大学学报, 2006, 38(Z1): 136-138 |
| |
| 作者姓名： | 朱建鸿 丁健 杨慧中 姜永森 |
| |
| 作者单位： | 1. 江南大学控制科学与工程研究中心,无锡,214122
2. 北华大学科技处,吉林,132013 |
| |
| 摘 要： | 提出了一种基于贝叶斯证据框架的回归型支持向量机的参数选择和软测量建模方法。证据框架的第1层推理用来解释支持向量机的训练。证据框架的第2和第3层推理用于自动调整正则化参数和核参数并使其接近最优值。然后,将这种基于贝叶斯证据框架的回归型支持向量机用于估计聚丙烯腈生产过程的质量指标。仿真结果表明了该方法的有效性。
|
| 关 键 词： | 证据框架 贝叶斯 软测量 支持向量机 |
| 修稿时间： | 2006-03-20 |
Soft Sensor Modeling of Regression Support Vector Based on Bayesian Methods |
| |
| Zhu Jianhong,Ding Jian,Yang Huizhong,Jiang Yongsen. Soft Sensor Modeling of Regression Support Vector Based on Bayesian Methods[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2006, 38(Z1): 136-138 |
| |
| Authors: | Zhu Jianhong Ding Jian Yang Huizhong Jiang Yongsen |
| |
| Abstract: | A parameter selection and soft sensor modeling method based on Regression support vector is presented within Bayesian evidence framework.The Level 1 inference of the evidence framework can in- terpret training of the SVM.And Levels 2 and 3 of the evidence framework allow automatic adjustment of the regulation parameter and the kernel parameter to their near-optimal values.Moreover,the regres- sion support vector based on Bayesian evidence framework is used to estimate the quality figure of poly- acrylonitrile productive process.Simulation results indicate the effectiveness of the proposed method. |
| |
| Keywords: | evidence framework Bayesian soft-sensor support vector machine |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
