[发明专利]一种基于半监督混合模型的聚丙烯熔融指数预测方法有效
| 申请号: | 201711236164.4 | 申请日: | 2017-11-30 |
| 公开(公告)号: | CN108171002B | 公开(公告)日: | 2020-01-03 |
| 发明(设计)人: | 邵伟明;宋执环 | 申请(专利权)人: | 浙江大学 |
| 主分类号: | G16C20/30 | 分类号: | G16C20/30 |
| 代理公司: | 33200 杭州求是专利事务所有限公司 | 代理人: | 邱启旺 |
| 地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 熔融指数 聚丙烯熔融指数 预测 辅助变量 混合模型 模型选择 半监督 贝叶斯信息准则 期望最大化算法 无标签样本 参数学习 分开处理 过程监控 技术支持 决策制定 模型参数 实时提供 数学模型 依赖关系 自动模型 可信度 概率化 显式 样本 标签 挖掘 评估 应用 学习 | ||
1.一种基于半监督混合模型的聚丙烯熔融指数预测方法,其特征在于,包括以下步骤:
(1)选择与聚丙烯熔融指数y关联的辅助变量x∈Rm,其中m表示辅助变量个数;
(2)收集同时包含辅助变量与熔融指数的有标签样本集与仅包含辅助变量的无标签样本集其中n1与n2分别代表有标签样本与无标签样本的数量;
(3)对[XL,YL]与XU做无量纲化处理,将辅助变量样本与熔融指数样本的样本方差转换为单位方差;
(4)给定半监督混合模型的高斯成分个数K,随机初始化模型参数其中,αk为第k个高斯成分的先验概率,和分别为第k个高斯成分中x的边缘概率密度的均值和协方差矩阵,ωk和ωk分别为第k个高斯成分中x与y的回归系数,代表第k个高斯成分中熔融指数y的测量噪声方差;
(5)将步骤(3)处理后的有标签样本集、无标签样本集和步骤(4)中的初始化模型参数输入半监督混合模型中,通过最大化半监督目标函数L(ΘK)学习模型参数ΘK;
(6)遍历K=Kmin,Kmin+1,…,Kmax,重复步骤(4)和(5),利用贝叶斯信息准则计算最优高斯成分个数,记为Kopt,并从中选择相应的模型参数集
(7)采集仅包含辅助变量的未知样本,按步骤(3)消除辅助变量的量纲,利用步骤(6)中获得的最优高斯成分个数Kopt及相应的模型参数集对聚丙烯的熔融指数进行预测,并提供该预测值的置信区间。
2.根据权利要求1所述的基于半监督混合模型的聚丙烯熔融指数预测方法,其特征在于,所述的步骤(5)中构建的半监督混合模型的目标函数L(ΘK)为:
其中,Pk(yi|xi)为第k个高斯成分中给定xi熔融指数yi的条件概率密度,Pk(xi)和Pk(xj)分别为第k个高斯成分中xi和xj的边缘概率密度,Rik为[xi,yi]对第k个高斯成分的隶属度,Rjk为xj对第k个高斯成分的隶属度,它们的计算公式如下:
式中,N(·;μ,Σ)表示均值为μ,协方差矩阵为Σ的正态分布;
和分别表示x和y的联合概率密度的均值向量与协方差矩阵,其中,
3.根据权利要求2所述的基于半监督混合模型的聚丙烯熔融指数预测方法,其特征在于,所述的模型参数的迭代公式具有如下形式:
式中1为全1列向量。
4.根据权利要求3所述的基于半监督混合模型的聚丙烯熔融指数预测方法,其特征在于,所述的步骤(6)中,最优高斯成分个数Kopt的计算公式如下:
其中,BIC(K)代表高斯成分个数为K时的贝叶斯信息准则的取值,其计算公式如下:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711236164.4/1.html,转载请声明来源钻瓜专利网。





