2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进k-最近邻回归算法的软测量建模

叶涛 朱学峰 李向阳 史步海

叶涛, 朱学峰, 李向阳, 史步海. 基于改进k-最近邻回归算法的软测量建模. 自动化学报, 2007, 33(9): 996-999. doi: 10.1360/aas-007-0996
引用本文: 叶涛, 朱学峰, 李向阳, 史步海. 基于改进k-最近邻回归算法的软测量建模. 自动化学报, 2007, 33(9): 996-999. doi: 10.1360/aas-007-0996
YE Tao, ZHU Xue-Feng, LI Xiang-Yang, SHI Bu-Hai. Soft Sensor Modeling Based on a Modified k-Nearest Neighbor Regression Algorithm. ACTA AUTOMATICA SINICA, 2007, 33(9): 996-999. doi: 10.1360/aas-007-0996
Citation: YE Tao, ZHU Xue-Feng, LI Xiang-Yang, SHI Bu-Hai. Soft Sensor Modeling Based on a Modified k-Nearest Neighbor Regression Algorithm. ACTA AUTOMATICA SINICA, 2007, 33(9): 996-999. doi: 10.1360/aas-007-0996

基于改进k-最近邻回归算法的软测量建模

doi: 10.1360/aas-007-0996
详细信息
    通讯作者:

    叶涛

  • 中图分类号: TP181

Soft Sensor Modeling Based on a Modified k-Nearest Neighbor Regression Algorithm

More Information
    Corresponding author: YE Tao
  • 摘要: 机器学习回归方法被广泛应用于复杂工业过程的软测量建模. k-最近邻 (kNN) 算法是一种流行的学习算法, 可用于函数回归问题. 然而, 传统 kNN 算法存在运行效率低、距离计算忽略特征权值的缺点. 本文引入了二次型距离定义和样本集剪辑算法, 改进了传统 kNN 回归算法, 并将改进的算法用于工业过程软测量建模. 仿真实验得到了一些有益的结论.
  • 加载中
计量
  • 文章访问数:  2612
  • HTML全文浏览量:  182
  • PDF下载量:  1401
  • 被引次数: 0
出版历程
  • 收稿日期:  2006-03-08
  • 修回日期:  2006-06-15
  • 刊出日期:  2007-09-20

目录

    /

    返回文章
    返回