[发明专利]一种基于多核潜在特征提取的智能集成软测量方法在审
| 申请号： | 201711327861.0 | 申请日： | 2017-12-13 |
| 公开（公告）号： | CN108062566A | 公开（公告）日： | 2018-05-22 |
| 发明（设计）人： | 汤健;刘卓;余刚;赵建军 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N5/04;G06N7/02 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 张慧 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于多核潜在特征提取的智能集成软测量方法，基于多个候选核参数提取特征进行集成构造，获得面向不同核参数的潜在特征子集；以这些潜在特征子集作为训练子集构建候选模糊推理子模型，采用优化算法和自适应加权算法构建得到选择性集成模糊推理主模型；计算主模型预测误差，选择核参数并采用KPLS提取输入数据中与主模型预测误差相关的潜在特征集合；基于这些潜在特征集合采用Bootstrap算法进行集成构造，获得面向训练样本采样的训练子集；基于这些训练子集构造基于核随机权神经网络的候选子模型，采用遗传算法优化工具箱和AWF构建选择性集成KRWNN补偿模型；将选择性集成模糊推理主模型与选择性集成KRWNN补偿模型的输出进行合并得到预测结果。 | ||
| 搜索关键词： | 一种 基于 多核 潜在 特征 提取 智能 集成 测量方法 | ||
【主权项】：
1.一种基于多核潜在特征提取的智能集成软测量方法，其特征在于，包括：步骤1、基于多个候选核参数采用核偏最小二乘(KPLS)算法提取特征进行集成构造，获得面向不同核参数的潜在特征子集；步骤2、以这些潜在特征子集作为训练子集构建候选模糊推理子模型，采用优化算法和自适应加权算法(AWF)构建得到选择性集成模糊推理主模型；步骤3、计算主模型预测误差，选择核参数并采用KPLS提取输入数据中与主模型预测误差相关的潜在特征集合；步骤4、基于这些潜在特征集合采用Bootstrap算法进行集成构造，获得面向训练样本采样的训练子集；步骤5、基于这些训练子集构造基于核随机权神经网络(KRWNN)的候选子模型，采用遗传算法优化工具箱(GAOT)和AWF构建选择性集成KRWNN补偿模型；步骤6、将选择性集成模糊推理主模型与选择性集成KRWNN补偿模型的输出进行合并得到智能集成软测量模型的预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京工业大学，未经北京工业大学许可，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/patent/201711327861.0/，转载请声明来源钻瓜专利网。
