典型文献
基于热扩散核密度确定密度峰值法的历史工况识别
文献摘要：
在工业生产过程中,生产决策的调整或生产状况的变化会导致生产过程多模态化,常用的数据聚类方法进行工况识别时存在参数选取困难或需要先验知识等限制.基于此,提出一种将人工智能领域的热扩散核密度确定密度峰的技术与高斯混合模型相结合的方法,可有效克服目前方法的缺点.该方法首先利用热扩散核密度确定密度峰的技术估算每个数据点的密度及其与局部密度较大点的距离,获取数据集的聚类中心并完成聚类;其次,利用高斯混合模型获取不同工况的特征参数:平均值、协方差和先验概率,从而对多工况历史过程进行准确的描述;最后,利用文献中仿真数据和Tennessee Eastman过程两个案例进行验证,并与K-均值法和F-J改进的高斯混合模型进行比较,证明了本文提出方法可更加方便、有效地对历史工况进行准确识别.
文献关键词：
多模态;聚类;模型;参数估值;核密度估计
中图分类号：
作者姓名：
毕荣山;韩智慧;陶少辉;孙晓岩;项曙光
作者机构：
青岛科技大学化工学院,山东青岛266042
文献出处：
引用格式：
[1]毕荣山;韩智慧;陶少辉;孙晓岩;项曙光-.基于热扩散核密度确定密度峰值法的历史工况识别)[J].化工学报,2022(04):1615-1622
A类：
B类：
热扩散,定密,密度峰值法,工况识别,生产决策,生产状况,多模态化,数据聚类,聚类方法,参数选取,先验知识,人工智能领域,高斯混合模型,前方,据点,局部密度,大点,获取数据,聚类中心,不同工况,协方差,先验概率,多工况,历史过程,仿真数据,Tennessee,Eastman,均值法,准确识别,参数估值,核密度估计
AB值：
0.390224
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。
