基于支持向量机的聚酯工业软测量方法研究
本文首先从支持向量机的理论研究、算法改进、核函数及其参数选择、扩展支持向量机四个方面，详细讨论了支持向量机的现状和发展方向。然后利用标准支持向量机非线性回归的方法对聚酯工业中一些重要的质量指标进行离线建模，提出采用增量学习和最小二乘修改域值两种不同的方法来建立实时动态模型。此外还针对标准支持向量机的运算速度慢的缺陷，提出以下改进措施，采用交叉检验方法确定容许误差参数的最合理值；在同样的容许误差和样本数的前提下，分析各种不同的核函数在具体的聚酯粘度软测量问题中的应用效果及合理性，寻找适合本课题工业背景的核函数类型；以RBF核函数为例，采用遗传算法调节核函数参数，提出一种遗传算法与支持向量机相结合的参数寻优智能型支持向量机模型。
支持向量机;结构风险最小原则;聚酯工业;软测量;聚酯粘度;统计学习理论
北京化工大学
硕士
控制理论与控制工程
王晶
2004
中文
TQ323.4;TP274.5;TP181
67
2005-11-16（万方平台首次上网日期，不代表论文的发表时间）