首页|基于二子空间协同训练算法的半监督软测量建模

基于二子空间协同训练算法的半监督软测量建模

Semi-supervised soft sensor modeling based on two-subspace co-training algorithm

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
在工业过程中,存在着辅助变量与主导变量数据比例严重失衡的问题.协同训练算法是其中一种利用无标签数据中的潜在信息以提升学习性能的模型训练方法.然而目前在协同训练软测量建模过程中,学习器之间存在严重的训练特性交叉重叠的问题,这将导致对主导变量的预测性能衰减.针对这一问题,提出基于二子空间协同训练算法的半监督软测量模型two-subspace co-training KNN(TSCO-KNN).该模型将二子空间分块算法与协同训练算法相结合,利用辅助变量与主成分子空间PCS和残差子空间RS两个特征子空间的相关性程度,将数据变量拆分为两个具有显著差异性的学习数据集,进而使用KNN回归器进行协同训练,共同用于对主导变量的预测.最后在乙烯精馏塔塔顶乙烷浓度和TE过程产品浓度软测量中进行仿真研究,验证本文所提算法的有效性.

罗顺桦、王振雷、王昕

展开 >

华东理工大学能源化工过程智能制造教育部重点实验室,上海200237

上海交通大学电工与电子技术中心,上海200240

软测量 半监督学习 协同训练 主成分分析 K近邻算法

国家重点研发计划国家杰出青年科学基金国家杰出青年科学基金国家自然科学基金面上项目

2018YFB1701103617253016192530561973124

2022

10.11949/0438-1157.20211291

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2022.73(3)
  • 2
  • 10