资源描述：
《基于支持向量机的数据建模在软测量建模中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、华东理工大学学报Vol.28增刊6JournalofEastChinaUniversityofScienceandTechnology2002-09文章编号:1006-3080(2002)NN-S0-0006-05基于支持向量机的数据建模在软测量建模中的应用1,21*2朱国强,刘士荣,俞金寿(1.宁波大学电气工程与自动化研究所,宁波315211;2.华东理工大学自动化研究所,上海200237)摘要:支持向量机是一种新的机器学习算法,它的基础是Vapnik创建的统计学习理论。与传统学习方法相比,该理论采用了结构风险最小化准则,在最小化样本点误差的同时缩小模型泛化误差
2、的上界,提高了模型的泛化能力。同时该理论把机器学习问题转化为一个二次规划问题,可以得到唯一的全局最优解。本文应用支持向量机技术进行数据建模研究,并用数据建模技术建立了加氢裂化装置分馏塔的航煤干点的软测量模型。关键词:支持向量机;数据建模;核函数;软测量;航煤干点中图分类号:TP274文献标识码:ADataModelingBasedonSupportVectorMachineandItsApplicationtoSoftSensing1,21*2ZHUGuo-qiang,LIUShi-rong,YUJin-shou(1.ResearchInstituteofElec
3、tricalEngineeringandAutomation,NingboUniversity,Ningbo315211,China;2.ResearchInstituteofAutomationECUST,Shanghai200237,China)Abstract:Supportvectormachineisanewtypeofmachinelearningalgorithmbasedonstatisticlearn-ingtheorypresentedbyVapnik.Comparedwithconventionallearningalgorithms,SLT
4、enhancesthegen-eralizationabilityofthemodelsbyemployingstructuralriskminimizationcriteriontominimizetheerrorsatthesamplesanddecreasesimultaneouslytheupperboundofthepredicterrorofthemodels.Further-more,theglobaloptimalsolutioncanbeuniquelyobtainedowingtothatSLTconvertsmachinelearningin
5、toquadraticprogramming.ThedatamodelingtechniquebasedonSVMispresentedinthispaper,andithasbeensuccessfullyappliedtomodeljet-fuelendpointestimatorforafractionatorofhydrocrackingunit.Keywords:supportvectormachine;datamodeling;kernelfunction;soft-sensor;jetfuelendpoint支持向量机(Supportvectorma
6、chine,SVM)样本数目,力求在样本点的训练误差最小化,因而不是上世纪90年代中期提出的一种机器学习算法,它可避免地出现过拟合现象,降低了模型的泛化能力。的基础是Vapnik创建的统计学习理论(Statistical而统计学习理论(SLT)是研究小样本情况下机器学[1～2]learningtheory,SLT)。现有的机器学习算法习规律的理论,SLT采用结构风险最小化(Struc-(如模式识别、神经网络)采用经验风险最小化(Em-turalriskminimization,SRM)准则,既能使样本点piricalriskminimization,ERM)准则,
7、需要较大的训练误差最小化,同时又缩小了模型泛化误差的上界,从而提高了模型的泛化能力。同时该理论把机器基金项目:宁波市科技攻关项目(0012002)学习问题转化为一个二次规划问题,也就能够得出E-mail:liusr@mail.nbptt.zj.cn唯一的全局最优解。近年来,建立在SLT理论基础收稿日期:2002-03-28作者简介:朱国强(1977-),男,浙江上虞人,硕士生,研究方向为数据上的支持向量机技术已经引起了学术界和工程界的建模和软测量等。关注,SVM已被应用于数据分类、数据回归和概率增刊朱国强等:基于支持向量机的数据建模在软测量建模中的应用7r密度估计
8、等领域,在
