典型文献
基于半监督集成即时学习的橡胶混炼过程门尼黏度软测量研究?
文献摘要：
针对工业橡胶混炼过程中门尼黏度标记数据有限,导致模型预测性能受限的问题,提出了一种半监督(SS)集成即时学习(EJIT)高斯过程回归(GPR)软测量方法,称为SSEJITGPR.当查询样本到来时,该方法通过在线迭代学习的方式获取高置信度伪标记样本,其中使用集成后的即时学习高斯过程回归(JITGPR)模型对非标记样本进行预测,并以集成预测方差作为置信度评价准则.随后,基于伪标记样本扩充后的建模数据库构建多样性的半监督JITGPR基模型.最后,采用有限混合机制实现基模型的自适应集成.与传统门尼黏度软测量方法相比,SSEJITGPR在处理局部过程特征、克服标记样本不足、预测可靠度不高等问题上表现出显著优势,其有效性和优越性通过工业案例进行了验证.
文献关键词：
软测量;即时学习;半监督学习;集成学习;高斯过程回归;门尼黏度;橡胶混炼
中图分类号：
作者姓名：
金怀平;张燕;董守龙;杨彪;钱斌;陈祥光
作者机构：
昆明理工大学 信息工程与自动化学院, 云南 昆明 650500;北京理工大学 化学与化工学院, 北京 100081
文献出处：
引用格式：
[1]金怀平;张燕;董守龙;杨彪;钱斌;陈祥光-.基于半监督集成即时学习的橡胶混炼过程门尼黏度软测量研究?)[J].高校化学工程学报,2022(04):586-596
A类：
EJIT,SSEJITGPR,JITGPR
B类：
即时学习,橡胶混炼,程门,门尼黏度,中门,记数,数据有限,预测性能,高斯过程回归,软测量方法,来时,在线迭代,迭代学习,置信度,伪标记样本,非标记,集成预测,预测方差,评价准则,样本扩充,建模数据,数据库构建,基模,混合机制,自适应集成,可靠度,显著优势,半监督学习,集成学习
AB值：
0.296851
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
