基于半監(jiān)督學(xué)習(xí)的過程建模算法及應(yīng)用研究.pdf

1、很多工業(yè)過程中，一部分需要嚴(yán)格控制、與產(chǎn)品質(zhì)量密切相關(guān)的關(guān)鍵指標(biāo)無法通過硬件設(shè)備在線測(cè)量，影響了后續(xù)的過程監(jiān)測(cè)、質(zhì)量控制和系統(tǒng)優(yōu)化。由于這些生產(chǎn)過程內(nèi)在的機(jī)理復(fù)雜、非線性和時(shí)變特性強(qiáng)等特性，通常采用基于數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量建模方法在線預(yù)報(bào)相關(guān)指標(biāo)。另一方面，針對(duì)機(jī)理未知疾病的數(shù)據(jù)驅(qū)動(dòng)的輔助診斷方法可被看做是軟測(cè)量建模方法在醫(yī)學(xué)領(lǐng)域的應(yīng)用。
　　工業(yè)生產(chǎn)與輔助診斷過程建模中的一個(gè)本質(zhì)難題是小樣本情況，例如間歇過程與半間歇過程的在線建模需

2、要使用當(dāng)前批次生產(chǎn)的相關(guān)指標(biāo)數(shù)據(jù)，這些指標(biāo)由于成本等原因難以大量獲得。而輔助診斷過程中，病理未知的病例樣本量通常較少。另一方面，不包括待預(yù)測(cè)指標(biāo)的無標(biāo)簽樣本往往大量存在。研究如何利用可廉價(jià)獲得的無標(biāo)簽樣本進(jìn)行輔助建模具有非常大的現(xiàn)實(shí)意義，近些年來機(jī)器學(xué)習(xí)領(lǐng)域針對(duì)此問題的半監(jiān)督學(xué)習(xí)理論得到發(fā)展，使得解決這一難題成為可能。
　　本文以半監(jiān)督學(xué)習(xí)建模為切入點(diǎn)，針對(duì)不同工業(yè)現(xiàn)場(chǎng)及輔助診斷應(yīng)用需求，按照在線數(shù)據(jù)非線性建模、在線離線數(shù)據(jù)混合非

3、線性建模、離線數(shù)據(jù)線性建模、離線數(shù)據(jù)直推式非線性建模的順序展開，研究提出了相應(yīng)的建模算法，進(jìn)行了理論分析、仿真研究及實(shí)際應(yīng)用，主要?jiǎng)?chuàng)新性研究工作包括:
　　(1)針對(duì)間歇生產(chǎn)過程中無標(biāo)簽生產(chǎn)過程數(shù)據(jù)充足而相應(yīng)質(zhì)量指標(biāo)測(cè)量代價(jià)較高，以及無標(biāo)簽樣本對(duì)質(zhì)量指標(biāo)受時(shí)間影響權(quán)重不同的問題，提出了一種半監(jiān)督加權(quán)遞推核回歸算法，提出時(shí)序相關(guān)的半監(jiān)督加權(quán)策略提高了軟測(cè)量模型的精確度，引入前向遞增與后向遞減學(xué)習(xí)機(jī)制控制模型的復(fù)雜度，推導(dǎo)了在線更新軟

4、測(cè)量模型的遞推公式以提高其適用性。以青霉素發(fā)酵為例，通過基準(zhǔn)仿真平臺(tái)實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性，討論了不同權(quán)重下算法的性能及無標(biāo)簽樣本對(duì)模型的貢獻(xiàn)。
　　(2)針對(duì)半間歇生產(chǎn)過程中，全局學(xué)習(xí)建模方法由于過期樣本的負(fù)面影響模型不準(zhǔn)確，在線學(xué)習(xí)建模方法需要大量當(dāng)前批次生產(chǎn)的有標(biāo)簽數(shù)據(jù)而實(shí)用性不強(qiáng)的問題，提出了一種半監(jiān)督混合局部核回歸方法，提出了無標(biāo)簽樣本與有標(biāo)簽樣本的時(shí)間窗序列數(shù)據(jù)概念并以此為整體進(jìn)行建模提高了軟測(cè)量模型的精確度，選擇

5、與待預(yù)測(cè)樣本相似的歷史與在線數(shù)據(jù)進(jìn)行局部建?？刂颇Ｐ偷膹?fù)雜度，推導(dǎo)了在線更新軟測(cè)量模型的遞推公式以提高其適用性。以橡膠密煉生產(chǎn)過程門尼黏度軟測(cè)量為例，基于智能密煉系統(tǒng)中現(xiàn)實(shí)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性，討論了使用無標(biāo)簽樣本輔助建模對(duì)模型的改進(jìn)。
　　(3)針對(duì)川崎病疑似患者中存在大量不完全川崎病病例的問題，提出了半監(jiān)督線性判別分級(jí)方法，通過提出的導(dǎo)出集對(duì)病人進(jìn)行診斷分級(jí)以給出更高真陽性率、利用不完全川崎病樣本修正分級(jí)閾值以獲得

6、更準(zhǔn)確的模型，并基于此方法實(shí)現(xiàn)了川崎病在線輔助診斷平臺(tái)。實(shí)驗(yàn)結(jié)果給出了不同量無標(biāo)簽樣本對(duì)模型的貢獻(xiàn)度，驗(yàn)證了算法較傳統(tǒng)方法在性能上的改進(jìn)。
　　(4)針對(duì)壞死性小腸結(jié)腸炎貝爾分期過程人工判斷耗時(shí)耗力的問題以及應(yīng)用目標(biāo)為輔助診斷結(jié)果而非訓(xùn)練分類器的現(xiàn)狀，提出了直推式支持向量機(jī)集成學(xué)習(xí)方法，提出無標(biāo)簽樣本信息度過濾貢獻(xiàn)較小的樣本降低算法迭代次數(shù)，引入集成學(xué)習(xí)框架充分利用無標(biāo)簽樣本進(jìn)行半監(jiān)督直推式建模以獲得更穩(wěn)定與準(zhǔn)確的分類結(jié)果。通過與