收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

数据校正和支持向量机的过失误差识别的研究

孙少超  
【摘要】:随着信息技术的发展,过程数据发挥着越来越重要的作用,它不仅可以执行一系列的监视任务,而且广泛用于过程控制,生产调度,成本控制,以及经营决策等等。然而过程数据往往包含了随机误差和过失误差,这些误差尤其是过失误差对工业生产危害很大。为此我对过失误差识别技术进行深入的研究。另外,随着支持向量机蓬勃发展,训练样本时常包含了过失误差,这也对支持向量机的广泛应用带来了阻碍。 本文围绕着过失误差,研究了数据校正领域和支持向量回归领域的应对过失误差的方法,主要内容如下: 1、提出了一种同步识别过失误差和数据校正的混合方法。该方法先用最大支撑树把MT方法和NT方法结合起来用于形成误差怀疑集合,再把前面获得的怀疑集合应用到MILP模型中完成测量值的校正和过失误差的补偿,这种混合方法通过彼此配合可以有效避免MT、NT、MILP方法的缺点发挥它们的优势,并通过仿真可以看到这个混合方法的过失误差识别能力和校正精度都优于其他方法,另外我们的方法更加适用于解决大规模问题。 2、同时过失误差识别和数据校正的MILP模型在线性系统中取得很好的效果,但由于模型的复杂很难应用到非线性或者动态的对象中。为此,本文采用公式推导的方式证明了数据校正的MILP模型可以等价地表示成非线性规划模型,因而该模型不仅可以用混合整数线性规划算法求解而且可以用非线性迭代算法求解。仿真结果也证明这两种方法求解的结果是一致的。此外本文也对原有的模型进行改进,并将MILP方法成功地应用到CSTR动态系统中。 3、随着信息技术的发展,工业过程中保留了大量的历史信息,如果能够有效的利用这些历史信息可以有效的提高过失误差的识别概率和数据校正的精度。为此我们提出了一种基于历史先验信息的新方法,该方法包括两个步骤:第一步利用先验信息和空间冗余进行过失误差的识别,第二步采用赋权的方法进行数据协调。为了评价不同信息对我们方法的影响,我们设计了两个标准来区分不同的信息,并将我们的方法应用到一个具有挑战的问题中,蒙特卡洛仿真实验显示了我们的方法的有效性。 4、提出了一种ε不敏感光滑鲁棒支持向量回归机,这种鲁棒支持向量回归结合了鲁棒估计的概念和光滑技术。本文在Fair估计的基础上提出了一种ε不敏感鲁棒函数,并为了方便求解,我们利用光滑技术对该函数进行光滑处理得到了ε不敏感光滑鲁棒函数,把这种ε不敏感光滑鲁棒函数应用到支持向量机中,就获得了ε不敏感光滑鲁棒支持向量回归机。它具备良好的鲁棒性和稀疏性,而且由于ε不敏感光滑鲁棒函数二次可导,可以利用Newton-Armijo算法进行求解,采用这种算法二次收敛,而且收敛到全局最优解。仿真实验也显示了我们的方法学习速度快,并且无论过失误差存在与否都有很好的性能。 5、一般说来,由于非凸的鲁棒损失函数的支持向量回归机相对于利用凸鲁棒损失函数的具有更好的鲁棒性,然而非凸规划的问题求解十分困难,为此我们用两个可导的凸函数构成一个鲁棒的非凸函数,并基于这种非凸损失函数形成了我们的平顶的支持向量回归,为了求解的方便,本文利用CCCP技术把非凸问题变成一系列的凸规划问题进行求解。由于该方法中避免了包含过失误差的数据成为支持向量,所以这种方法相对于标准支持向量回归稀疏性更好,而且这种方法也有很好的鲁棒性,最后把我们的方法应用到人工训练集合和真实数据集,试验表明我们提出的方法相对于标准SVR和weightedSVR就有优良的鲁棒性和稀疏性。 最后,总结全文对未来的工作进行展望。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 曹葵康;沈海斌;;基于多样本的在线支持向量回归算法[J];浙江大学学报(理学版);2011年04期
2 杨玫;郭天杰;陈青华;;基于经验模式分解的时间序列预测方法研究[J];计算机技术与发展;2011年07期
3 金波;;人脸图像年龄估计模型综述[J];信息安全与技术;2011年06期
4 宋梅村;蔡琦;;基于支持向量回归的设备故障趋势预测[J];原子能科学技术;2011年08期
5 阮秀凯;张志涌;;一种复杂星座信号的盲均衡新方法[J];电子学报;2011年07期
6 杨春芳;刘粉林;罗向阳;;基于相对熵的直方图差异与JPEG隐写的定量分析[J];计算机研究与发展;2011年08期
7 王甦菁;周春光;张娜;李建朋;张利彪;;基于形状和纹理特征的人脸年龄估计方法[J];吉林大学学报(工学版);2011年05期
8 何同弟;李见为;黄鸿;;基于PSO优选参数的SVR水质参数遥感反演模型[J];信息与控制;2011年04期
9 王至超;张化祥;;支持向量回归参数调节及应用研究[J];计算机工程与设计;2011年08期
10 王快妮;钟萍;赵耀红;;鲁棒SVR在金融时间序列预测中的应用[J];计算机工程;2011年15期
11 吴军;邓超;邵新宇;熊尧;;基于加工动力学模型的工艺可靠性仿真方法[J];系统工程理论与实践;2011年07期
12 张宁;黄建冲;孙亚伟;;非线性系统辨识在侦察接收机中的应用[J];电子信息对抗技术;2011年03期
13 刘茂福;任丕顺;;基于智能单粒子算法与支持向量机的稳健优化设计[J];装备制造技术;2011年07期
14 胡根生;梁栋;黄林生;;基于支持向量值轮廓波变换的遥感图像去噪[J];系统工程与电子技术;2011年07期
15 高淑芝;冯少华;高宪文;安文翔;于利民;;基于SVM的PVC汽提过程预测控制方法[J];信息与控制;2011年04期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 彭姝迪;林静玉;周渠;李孟励;;加权支持向量回归机在传感阵列模式识别中的应用[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
2 陈懿冰;张玲玲;石勇;;基于改进的支持向量回归机的金融时序预测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
3 邓小英;杨顶辉;关昕;;基于支持向量回归的随机噪声消减和零漂去除[A];中国地球物理·2009[C];2009年
4 郭志明;赵春江;陈立平;黄文倩;;基于GA-LSSVR的烟草尼古丁含量的近红外光谱分析[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
5 吴德会;;非线性动态系统的SVR辨识法[A];第二十六届中国控制会议论文集[C];2007年
6 尹焕平;孙宗海;;基于自然梯度的支持向量回归在线算法[A];2009中国控制与决策会议论文集(3)[C];2009年
7 林关成;李亚安;李国辉;;支持向量回归的连续过松弛训练算法研究[A];2010’中国西部声学学术交流会论文集[C];2010年
8 王玲;穆志纯;郭辉;;基于支持向量回归的增量建模方法[A];第25届中国控制会议论文集(上册)[C];2006年
9 杨慧中;邵信光;石晨曦;;一种改进的支持向量回归机启发式算法[A];2005中国控制与决策学术年会论文集(上)[C];2005年
10 严悦然;陆文聪;苏自伟;刘风琴;张良苗;陈念贻;;铝电解槽寿命预测的支持向量回归方法研究[A];2006年全国冶金物理化学学术会议论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 孙少超;数据校正和支持向量机的过失误差识别的研究[D];华东理工大学;2012年
2 赵永平;支持向量回归机及其在智能航空发动机参数估计中的应用[D];南京航空航天大学;2009年
3 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年
4 余艳芳;改进型支持向量回归机及其在过程建模与控制中的应用[D];华东理工大学;2010年
5 周金柱;电子装备结构因素对电性能影响的支持向量建模与补偿[D];西安电子科技大学;2011年
6 蒋辉;经济预测的灰色支持向量回归方法[D];中南大学;2010年
7 裴军芳;基于QPSO优化的聚合物玻璃化转变温度的支持向量回归研究[D];重庆大学;2012年
8 袁从贵;最小二乘支持向量回归及其在水质预测中的应用研究[D];广东工业大学;2012年
9 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年
10 刘广利;基于支持向量机的经济预警方法研究[D];中国农业大学;2003年
中国硕士学位论文全文数据库 前10条
1 苗强;农民收入的粗糙支持向量回归与实证分析[D];安徽大学;2010年
2 阿磊;基于支持向量回归机的汇率预测[D];华东师范大学;2011年
3 王(山弄);支持向量回归在曲线拟合/重构中的应用[D];中国农业大学;2005年
4 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年
5 杨芳;基于支持向量回归(SVR)的材料热加工过程建模[D];上海交通大学;2010年
6 刘菊艳;基于数据挖掘技术的短期风速预测[D];西安科技大学;2010年
7 王刚;支持向量回归机在药品销售预测中的分析及应用[D];云南财经大学;2010年
8 陈超;基于支持向量回归的集成价格预测方法研究[D];吉林大学;2011年
9 李鹏超;基于模拟退火算法和支持向量回归的网格资源预测[D];吉林大学;2010年
10 胡国圣;基于遗传算法和支持向量回归的网格资源预测[D];吉林大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978