基于核函數(shù)及參數(shù)優(yōu)化的KPLS質(zhì)量預(yù)測研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>601 K
標(biāo)簽： 核偏最小二乘 遺傳算法 質(zhì)量預(yù)測
所需積分：0分積分不夠怎么辦？
文檔介紹：核偏最小二乘(KPLS)在工業(yè)過程監(jiān)測和質(zhì)量預(yù)測中得到了廣泛的應(yīng)用，核函數(shù)和核參數(shù)的選取對KPLS質(zhì)量預(yù)測結(jié)果有重要影響。然而，如何選擇核函數(shù)類型和核參數(shù)一直是該方法應(yīng)用的瓶頸。針對以上問題，提出一種改進(jìn)遺傳算法的核函數(shù)優(yōu)化方法。該方法將核的種類及核參數(shù)作為優(yōu)化的決策變量，以均方根誤差為目標(biāo)，分別從編碼方案、遺傳策略、適應(yīng)度函數(shù)優(yōu)化、交叉和變異算法等方面進(jìn)行設(shè)計，以保證核函數(shù)種類的多樣性，利用2折交叉驗證法對訓(xùn)練結(jié)果進(jìn)行驗證。以田納西-伊斯曼過程(TE)與MATLAB結(jié)合進(jìn)行仿真實(shí)驗，仿真結(jié)果表明，該方法能尋找到最優(yōu)核函數(shù)以及其核參數(shù)，具有很好的穩(wěn)定性和一致性。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。