改进谱聚类算法在多模型软测量中的应用.pdfVIP

改进谱聚类算法在多模型软测量中的应用王灿灿,等

改进谱聚类算法在多模型软测量中的应用

ApplicationoflmprovedSpectralClusteringAlgorithminMulti-modelSoftSensing

王灿灿李丽娟

(南京工业大学自动化与电气工程学院,江苏南京211816)

摘要:针对工业过程的非线性、多工况的特点,提出了一种基于改进谱聚类算法的多模型软测量建模方法。采用改进的谱聚类算

法对样本数据集进行聚类;根据最小二乘支持向量机(LS-SVM)算法对各类样本建立子模型,并采用粒子群算法(PSO)求解多模型的

权值;将所建子模型按照“加权方式”进行组合,得到软测量模型。仿真试验表明,该方法具有较高的模型精度和良好的泛化性能。

关键词:多模型谱聚类软测量粒子群算法(PSO)最小二乘支持向量机(LS-SVM)

中图分类号:TP274文献标志码:A

Abstract:Inaccordancewiththefeaturesofnonlinearandmultipleworkingconditionsoftheindustrialprocesses,themulti-modelsoftsensing

modelingmethodbasedonimprovedspectralclusteringalgorithmisproposed.Thesamplingdataareclusteredbyusingtheimprovedspectral

clusteringalgorithm,andthesub-modelsofvarioustypesofsamplesarebuiltinaccordancewithleastsquare-supportvectormachine(LS-SVM)

algorithm,theweightsofmultiplemodelsaresolvedbyusingparticleswarmoptimization(PSO),thenthesub-modelsarecombinedin

accordancewiththe“weightedmodetoobtainsoftsensingmodel.Thesimulationtestsshowthatthemethodproposedpossesseshighermodel

accuracyandexcellentgeneralizationperformance.

Keywords:MultiplemodelsSpectralclusteringSoftsensingParticleswarmoptimization(PSO)algorithmLeastsquare-supportvector

machine(LS-SVM)

改进谱聚类的多模型建模算法。该算法具有识别非凸分

0引言

布聚类的能力,不会陷入局部最优解,且能避免数据的维

在化工过程和很多其他工业应用领域中,由于大多数过高所造成的奇异性问题,以便得到更加精确的聚类

数系统存在机理复杂、高度非线性、强耦合、大时滞等特结果,提高模型精度。样本聚类后,采用最小二乘支持向

点,采用单一的软测量模型无法全面地描述复杂系统的量机(leastsquare-supportvectormachine,LS-SVM)建立各

全局特性,并且存在回归精度低和泛化能力差等问题。子类模型,并采用粒子群(particleswarmoptimization,

为了解决上述问题,一种能够提高系统模型精度和PSO)算法对多模型权值进行寻优,系统软测量模型输出

[1-