并行工程环境下的产品开发过程的建模和优化.pdfVIP

4、结果讨论 空闻时，必然会引入部分的误差，这是非线性映射 (1) 对经扩展以后的八维空间，如果单独使用 方法本身所决定的；其次实验数据本身也可能存在 自适应物元分析，由于数据的非线性程度较高，无 一定的误差，致使实验结果偏离样本所应在的区域； 法得出分类结果，可见自适应物元分析法只能应用 但这并不妨碍我们对实验结果的判断。 于线性度较好的数据。 (4) 本方法可适用于一般的多变量系统的识辨 (2) 通过利用非线性映象能够降低数据的非线 和分类。 性度的优点，来把数据映射到低维空间，而自适应 物元分析能较好地分析此类数据，因此结合非线性 致崔：本工作得到福建省自然科学基空的资助，特表感谢 映象和自适应物元分析模式识别，使高度非线性数 据也能较好地加以区分。而且非线性缺象时，映射 参考文献： 到低维空间的维数可以任意调节，从而可以选择出 1、 杨融生，蔡金旺．自适应物元分析模式识别，预测，1999． 对结果最优的目标维数。从分析结果可以看出，在 18(4)：68—70． 待识别样本中，三维和四维都可以完全正确的区分。 2、 杨融生．应用计算机化学．厦门：厦门大学出版社，1998， 而在训练样本时显然四维比三维样本识别结果更接 P134·135． 近于实验类别的分类。这就说明了映射到不同维数， 3、 於崇文等，数学地质的方法与应用．上海：冶金工业出 其结果也会有不同。 版社，1980，P207．223。 (3) 对训练集的训练结果拟合度一般要求是太 4、蔡文，物元模型及其应用，北京：科学技术出版社，1994。 于85％，其原因是用非线性映射把数据映射到低维 213 里竺苎!垫墅堕坐!￡业!I璺曼!!墼竺竺!!兰!!堡!竺!曼!型竺!竺!型!!唑!竺 !竺!!兰堡=!!墼墨!竖坦：坐!坠型!型些——一 and of ofProduct Process ModelingOptimization D∞relopment 訇 、 in Concurrent Engineering Y抽Junwei Zhibin Wu Dong Qidi CI～lSRc％瑚℃hCenlcr ofTbngji UniVe忭i吼Shangh“，Chin‰20。092 Abnr囊ct．SeVemI