機(jī)器學(xué)習(xí)算法及其工程應(yīng)用研究.pdf

1、本文研究了機(jī)器學(xué)習(xí)算法在橡膠混煉過程控制、天氣預(yù)報(bào)及基因識別等不同領(lǐng)域的應(yīng)用。
　　橡膠混煉是橡膠產(chǎn)品加工流程的第一步，混煉膠質(zhì)量直接影響后續(xù)工序和橡膠產(chǎn)品的質(zhì)量。作為重要質(zhì)量指標(biāo)之一的門尼粘度，其嚴(yán)重的測量滯后一直是制約橡膠混煉過程控制進(jìn)一步發(fā)展的瓶頸。本文根據(jù)橡膠混煉機(jī)理，首次提出用混煉膠的流變參數(shù)預(yù)測門尼粘度。并針對混煉過程的特點(diǎn)，提出一種新的機(jī)器學(xué)習(xí)算法DRPLS-GP(Discounted-measurementRecu

2、rsivePartialLeastSquares-GaussianProcess)。利用折息因子的引入克服“數(shù)據(jù)飽和”現(xiàn)象，用DRPLS提取潛變量來克服原始數(shù)據(jù)中的噪聲和變量之間的多重相關(guān)性，而后潛變量作為GP的輸入進(jìn)行非線性回歸。另外，DRPLS-GP可以靈活地調(diào)節(jié)折息因子，確保了對不同配方混煉膠門尼粘度的精確預(yù)測。特別地，它能夠通過遞推的方法對模型實(shí)時地更新，因此該方法在工業(yè)中具有很強(qiáng)的實(shí)用性。
　　為了提高氣候預(yù)測性能，克服

3、變量之間的強(qiáng)烈非線性，提出一種新的非線性方法GPLS-GP(GeneralizedPartialLeastSquaresGaussianProcess)。通過非線性擴(kuò)展的PLS算法提取潛變量克服原始數(shù)據(jù)中的噪聲以及變量之間的相關(guān)性，更重要的是通過擴(kuò)展變量的方法以及非線性的GP內(nèi)模型可以得到精確的非線性關(guān)系。經(jīng)過實(shí)例驗(yàn)證，GPLS-GP較傳統(tǒng)的方法GPLS，PLS及GP的性能好。
　　為了促進(jìn)基因識別方法的快速發(fā)展，本文將八種常用的