基于RBF神经网络的非线性主元分析方法.pdfVIP

第 29卷 　第 3期 仪 器 仪 表 学 报 Vo l29 No3 2008年 3月 Ch inese Journal of Scien tific In strum en t M ar. 2008 基于 RBF神经网络的非线性主元分析方法 贾明兴 , 赵春晖 , 王福利 , 毛志忠 , 李鸿儒 (流程工业综合自动化教育部重点实验室 　东北大学 　沈阳　110004) 摘 　要 : 本文在分析非线性主成分曲线性质基础上 ,提出了基于聚类 、线性主成分分析 、神经网络技术的非线性主成分分析方 法 。该方法与以往方法比较 ,在概念上具有和线性主成分分析相同的解释 ,并且给出了非线性主成分得分和负载的计算方法 ; 在结构上较为简单 ,采用的神经网络结构为 3层 ,训练容易。网络训练的数据样本采用聚类和线性主成分分析方法获得 ,解决 了以往方法缺乏训练数据的问题 。数字仿真和三水箱实验验证了提出方法的有效性 。 关键词 : 非线性主成分分析 ; 聚类 ; RB F神经网络 ; 得分 ; 负载 中图分类号 : TP277　　文献标识码 : A 　　国家标准学科分类代码 : 510. 80 10 Non linear pr inc ipa l com ponen t ana ly sis ba sed on RBF neura l net work and pr inc ipa l curve J ia M ingxing, Zhao Chunhu i, W ang Fu li, M ao Zh izhong, L i Hongru ( Key L abora tory of P rocess Indus try A u tom a tion of M OE, N ortheas tern Un ivers ity, S heny ang 110004, Ch ina) A b stract: On the ba sis of analyzing nonlinear p rincip al cu rve, a nonlinear PCA m ethod ba sed on clu stering, linear p rincip al componen t analysis and neu ral network is p re sen ted in th is p ap er. The p ropo sed m ethod ha s the fo llow ing advan tage s over traditional m ethod s: first, it ha s concep tually the sam e exp lanation a s linear PCA , and give s the cal cu lation m ethod s of non linear p rincip al score s and loadings; second, it adop ts th reelayer neu ral network , wh ich is simp le in structu re and ea sy to be trained. The data samp le s u sed for train ing neu ral network are ob tained by clu ste ring and linear PCA m ethod, wh ich so lve s the p rob lem of train ing data in sufficiency. The re su lts of both sim u lation and threetank exp erim en t demon strate the effectiven