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! |
|