基于仿射传播聚类和高斯过程的多模型建模方法.pdfVIP

第27卷第l期 计算机与应用化学 V01．27，No．1 2010年1月28日 and Computers Chemistry January,2010 Applied 基于仿射传播聚类和高斯过程的多模型建模方法 李雅芹，杨慧中‘ (江南大学通信与控制工程学院，江苏，无锡，214122) 摘要：针对单模型建模存在泛化能力差的问题，提出一种基于仿射传播聚类和高斯过程的多模型建模方法。该方法定义了一种 新的相似度使仿射传播聚类算法把样本数据按照不同的工作点进行聚类，获得的子聚类样本数据再分别使用高斯过程建立相应 的子模型，用“切换开关”方式组合作为最终模型的输出。将该建模方法应用到某双酚A反应釜出口丙酮含量的软测量建模中， 仿真结果表明该方法具有较高的估计精度和一定的实用价值。 关键词：相似度：多模型；仿射传播聚类 中图分类号：TPl8 文献标识码：A 文章编号2010)01．51．54 出估计值的同时还可以得到该估计值的精度参数(即估 1 引言 计方差)。使用本文方法建立的软测量模型对双酚A生 由于大多数复杂工业过程具有多变量，严重非线性 产过程反应釜出口丙酮含量进行估计，结果显示，模型 和多工况等特点，使用单一模型难以精确描述其过程特 具有较高估计精度和良好町靠性，能够满足工业生产的 性，使得模型的精度和推广能力差。为了解决这些问题， 要求。 很多研究学者提出了多模型建模方法[1．2】，使用模糊聚 类、足均值等聚类算法对数据样本集进行聚类，然后对 2仿射传播聚类算法 子聚类样本使用非线性回归算法(例如神经网络、支持向 量机等方法)建立子模型的估计器，再用加权组合等方法 上提出的1种新聚类算法，是1种快速、有效的聚类算法， 构建全局模型。然而，在实际应用过程中发现，这类多 在“基因外显子”的发现、人脸图像的聚类、以及搜索最优 模型建模的方法依然存在着一些不足：(1)聚类结果难以 航线等方面得到了广泛的应用。该聚类算法相比于通常的 有效的反映实际工况变化情况。这是因为诸如模糊聚类 聚类算法具有很大的优点：(1)它不需要事先确定聚类的 算法、K均值聚类等算法要事先确定聚类数目，人为确 数目；(2)它不会像K均值聚类算法那样由于初始聚类中 定的聚类数不一定准确；其次，各个辅助变量反映工况 心的选择不当而得不到最优的聚类结果。 变化的程度不同，有的辅助变量对工况变化不敏感；(2) 2．1基于新相似度的仿射传播聚类算法 为了增加模型的鲁棒性而采用的加权输出方法【31只有在 仿射传播聚类算法开始时将所有Ⅳ个样本点作为潜 全局模型为子模型线性组合的假设前提下才有效，而实 在的聚类中心，以Ⅳ个样本数据点之间的相似度(以负 际上对于复杂的工业过程对象，该假设前提并不一定成 的欧氏距离作为测度)组成的NxN的相似度矩阵S(例 立；(3)神经网络、支持向量机等方法的估计输出不具有 概率意义，难以对估计结果的有效性和置信度进行评估。 献【4]定义的相似度认为样本所有属性对距离的影响是相 为了解决上述不足，本文提出1种基于仿射传播聚 同的，这种同等重要依赖所有属性的相似度度量在对软 类算法和高斯过程的多模型建模方法。该建模方法分为 测量建模样本进行聚类时会引起误导，因为不同的样本 仿射传播聚类和子模型建模两个阶段。在仿射传播聚类 属性(辅助变量)对工况的影响不同，甚至有的属性对 (affmity 工况变化完全不敏感。为此，本文提出在相似