|
|||||
|
|
| 基于改进κ-最近邻回归算法的软测量建模 | |
| 引用本文： | 叶涛,朱学峰,李向阳,史步海.基于改进κ-最近邻回归算法的软测量建模[J].自动化学报,2007,33(9):996-999. |
| 作者姓名： | 叶涛 朱学峰 李向阳 史步海 |
| 作者单位： | 华南理工大学自动化科学与工程学院,广州510640 |
| 基金项目： | 国家自然科学基金（60274033.60404013）和广东省自然科学基金（04300048）资助 |
| 摘 要： | 机器学习回归方法被广泛应用于复杂工业过程的软测量建模，κ-最近邻（κNN）算法是一种浒的学习算法，可用于函数回归问题，然而，传统κNN算法存在运行效率低，距离计算忽略牲权值的缺点，本文引入了二次型距离定义和样本集剪辑算法，改进了传统κNN回归算法，并将改进的算法用于工业过程软测量建模，仿真实验得到了一些有益的结论。 |
| 关 键 词： | k-最近邻算法 二次型距离 软测量 纸浆Kappa值 |
| 修稿时间： | 2006-03-082006-06-15 |
| 本文献已被 维普 等数据库收录！ | |