典型文献
基于独立成分分析及其扩展模型的工业过程监测方法综述
文献摘要：
独立成分分析(independent component analysis,ICA)是一种多变量统计分析方法,常用于非高斯过程监测,它能够有效利用信号的高阶统计信息(三阶以上)提取相互独立的独立成分,在工业过程监测中得到了广泛的应用,是当前国际过程监测领域的研究热点.鉴于此,介绍经典ICA模型、改进ICA模型及其在工业过程的过程监测技术.首先,对经典ICA模型进行介绍,在此基础上对经典ICA模型进行分类并指出其优缺点;其次,针对经典ICA模型存在的缺陷,从ICA自身存在的问题、噪声和离群值3方面梳理改进ICA模型的发展;然后,以工业过程为主要应用背景,介绍ICA的过程监测技术如何从简单工业过程衍变至复杂工业过程,以及面向工业过程运行数据的单一特性和混合特性,综述ICA及其扩展模型在工业过程监测中的研究现状;最后,探讨该研究领域亟需解决的问题和未来的发展方向.
文献关键词：
独立成分分析;工业过程;过程监测;单一特性;混合特性
中图分类号：
作者姓名：
孔祥玉;杨治艳;刘佑民;罗家宇;王晓兵
作者机构：
火箭军工程大学导弹工程学院,西安710025;北京航天发射技术研究所,北京100072
文献出处：
引用格式：
[1]孔祥玉;杨治艳;刘佑民;罗家宇;王晓兵-.基于独立成分分析及其扩展模型的工业过程监测方法综述)[J].控制与决策,2022(04):799-814
A类：
B类：
独立成分分析,扩展模型,过程监测,监测方法,方法综述,independent,component,analysis,ICA,多变量统计分析,统计分析方法,非高斯,高斯过程,高阶统计,统计信息,相互独立,自身存在,离群值,面梳,主要应用,应用背景,从简,衍变,复杂工业过程,运行数据,单一特性,混合特性
AB值：
0.324949
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。
