版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、科學(xué)技術(shù)的發(fā)展使人們對(duì)客觀世界不斷要求更為深入的認(rèn)識(shí),然而在許多領(lǐng)域,如化學(xué)化工、生物醫(yī)學(xué)等,仍有許多對(duì)象的內(nèi)在機(jī)理暫時(shí)還難以為人們所了解,但人們?nèi)云惹行枰私夂脱芯克鼈兊淖宰兞亢鸵蜃兞块g的定量關(guān)系.這時(shí),根據(jù)采集研究對(duì)象的觀測(cè)數(shù)據(jù)建立模型,用以對(duì)自變量和因變量之間的定量關(guān)系作出預(yù)測(cè),是科學(xué)工作者重要的基礎(chǔ)性工作之一.由于觀測(cè)數(shù)據(jù)不可避免地會(huì)存在偏差,而某些嚴(yán)重的偏差會(huì)導(dǎo)致整個(gè)模型的小準(zhǔn)確,所以對(duì)模型離群點(diǎn)的檢測(cè)具有非凡的意義.
2、 由此看出,局外點(diǎn)檢測(cè)對(duì)于注重試驗(yàn)和數(shù)據(jù)采集的化學(xué)化工領(lǐng)域,其重要性不可忽視.本文結(jié)合化學(xué)化工的數(shù)據(jù)特點(diǎn),對(duì)局外點(diǎn)檢測(cè)方法的理論基礎(chǔ)、應(yīng)用需求、研究思路、技術(shù)關(guān)鍵和發(fā)展進(jìn)程進(jìn)行了綜合分析.分別針對(duì)線性和非線性參變對(duì)象,概要介紹了當(dāng)前適用的檢測(cè)方法,包括各類判別標(biāo)準(zhǔn),直接和間接方式,單個(gè)和多個(gè)局外點(diǎn)檢測(cè),經(jīng)典和現(xiàn)代方法.本文利用近幾年發(fā)展迅速的支持向量機(jī)(SVM),結(jié)合穩(wěn)健建模的思想和徑向基網(wǎng)絡(luò)的特點(diǎn),應(yīng)用于局外點(diǎn)的檢測(cè)中,試驗(yàn)證明該方法
3、具有良好的效果和優(yōu)越性.主要成果如下: 1)提出了基于支持向量機(jī)線性回歸方法來檢測(cè)線性建模中的局外點(diǎn).線性建模最常用的是線性回歸方法,其主要是通過最小二乘法求解,但最小二乘法對(duì)局外點(diǎn)非常敏感,可以讓模型面目全非.而支持向量線性回歸中的敏感區(qū)域的存在給檢測(cè)局外點(diǎn)帶來了可能,本文正是用此方法提高了線性回歸建模的魯棒性,并有效檢測(cè)出局外點(diǎn). 2)提出了基于支持向量機(jī)(SVM)和徑向基網(wǎng)絡(luò)(RBF)相結(jié)合的方法來檢測(cè)非線性化工建
4、模中存在的局外點(diǎn).兩者各自都是建模的有力工具,但各有優(yōu)缺點(diǎn),支持向量機(jī)用于數(shù)據(jù)擬合時(shí)精度較高,且結(jié)構(gòu)復(fù)雜度取決于支持向量的數(shù)量,由于其優(yōu)化問題可以通過二次規(guī)劃求得全局最優(yōu)點(diǎn),從而避免了陷入局部極值點(diǎn)的情況,和其他神經(jīng)網(wǎng)絡(luò)對(duì)比顯現(xiàn)出很大的優(yōu)勢(shì),但支持向量機(jī)的參數(shù)選擇大多是靠經(jīng)驗(yàn),而模型的精確度和參數(shù)有很大的關(guān)聯(lián).徑向基網(wǎng)絡(luò)也是建模的好方法,通過學(xué)習(xí)可以自動(dòng)調(diào)節(jié)參數(shù),但該網(wǎng)絡(luò)的初始結(jié)構(gòu)不易得到,尤其是隱層的節(jié)點(diǎn)數(shù)較難確定.本文將兩者結(jié)合,由
5、支持向量機(jī)確定初始結(jié)構(gòu),再通過徑向基網(wǎng)絡(luò)的自動(dòng)學(xué)習(xí)能力調(diào)節(jié)參數(shù),兩者互補(bǔ),效果明顯.其中,將穩(wěn)健建模的方法應(yīng)用于前面提到的徑向基網(wǎng)絡(luò)的學(xué)習(xí)中,從而進(jìn)一步提高了模型對(duì)局外點(diǎn)的魯棒性.傳統(tǒng)的徑向基網(wǎng)絡(luò)學(xué)習(xí)是基于最小二乘法來得到網(wǎng)絡(luò)參數(shù)的,即目標(biāo)函數(shù)為誤差平方和,而該方法對(duì)局外點(diǎn)十分敏感,故本文提出通過穩(wěn)健建模的方法來訓(xùn)練得到徑向基網(wǎng)絡(luò)的參數(shù). 總之,論文對(duì)化學(xué)化工建模中局外點(diǎn)檢測(cè)方法進(jìn)行了較為全面深入的探討,為化工穩(wěn)健建模提供了新途
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 離群點(diǎn)檢測(cè)及其應(yīng)用研究.pdf
- 支持向量數(shù)據(jù)描述在野點(diǎn)檢測(cè)方面的應(yīng)用.pdf
- 數(shù)字信號(hào)的端點(diǎn)檢測(cè)及其應(yīng)用.pdf
- 變點(diǎn)檢測(cè)研究及其在沸騰狀態(tài)檢測(cè)中的應(yīng)用.pdf
- 基于RFID數(shù)據(jù)的離群點(diǎn)檢測(cè).pdf
- 數(shù)據(jù)流離群點(diǎn)檢測(cè)研究.pdf
- 醫(yī)療數(shù)據(jù)的離群點(diǎn)檢測(cè)方法研究.pdf
- 角點(diǎn)檢測(cè)及其在纖維識(shí)別中的應(yīng)用研究.pdf
- 時(shí)間序列異常點(diǎn)檢測(cè)的Bayes方法及其應(yīng)用研究.pdf
- 孤立點(diǎn)檢測(cè)在移動(dòng)通信數(shù)據(jù)分析上的研究與應(yīng)用.pdf
- 人臉特征點(diǎn)檢測(cè)研究及應(yīng)用.pdf
- 面向大規(guī)模數(shù)據(jù)的離群點(diǎn)檢測(cè)算法研究及應(yīng)用.pdf
- 26117.高維數(shù)據(jù)的變點(diǎn)檢測(cè)
- 數(shù)據(jù)挖掘中孤立點(diǎn)檢測(cè)算法的研究.pdf
- 數(shù)據(jù)挖掘中的離群點(diǎn)檢測(cè)算法研究.pdf
- 基于半?yún)?shù)變點(diǎn)檢測(cè)方法及其在股市中的應(yīng)用.pdf
- 消隱點(diǎn)檢測(cè)技術(shù)及其在圖像游覽系統(tǒng)中的應(yīng)用.pdf
- 中考物理復(fù)習(xí)知識(shí)點(diǎn)檢測(cè)題透鏡及其應(yīng)用(附答案)
- 瑕疵點(diǎn)檢測(cè)算法研究及應(yīng)用.pdf
- 分類數(shù)據(jù)離群點(diǎn)檢測(cè)算法的研究與改進(jìn).pdf
評(píng)論
0/150
提交評(píng)論