论文摘要
在基于数据驱动理论的软测量建模过程中,样本的数量会对所建模型的精度产生影响。针对训练样本数量较少的情况,提出了一种利用欧氏距离和角度原则进行数据扩充的方法。该方法通过分析数据的分布特征来确定样本扩充的区间范围,利用扩充数据完善建模对象在各阶段的信息,并进一步重构建模数据集,从而提升了所建模型的预测精度。通过2个工业过程的仿真研究,验证了该方法具有良好的泛化性能和建模精度。
论文目录
文章来源
类型: 期刊论文
作者: 毕略,熊伟丽
关键词: 数据分布特征,样本扩充,相似度准则,软测量
来源: 控制工程 2019年07期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备
单位: 江南大学物联网工程学院,江南大学轻工过程先进控制教育部重点实验室
基金: 国家自然科学基金项目(21206053,21276111),江苏省“六大人才高峰”计划资助(2013-DZXX-043),江苏高校优势学科建设工程资助项目(PAPD)
分类号: TB114.2
DOI: 10.14107/j.cnki.kzgc.170196
页码: 1431-1436
总页数: 6
文件大小: 1352K
下载量: 237