期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于改进聚类算法的分布式SVM及其应用 被引量：13

Distributed SVM based on improved clustering algorithm and its application
下载PDF
导出
摘要 针对RPCL聚类算法存在的缺点,提出一种改进算法,并在此基础上得到了一种分布式支持向量机(DSVM).针对SVM算法中阈值难以确定的问题,提出了一种两段学习算法.最后将DSVM应用于氧化铝高压溶出过程苛性比值的软测量,现场数据的仿真结果表明该方法具有较高的精度,能满足实际生产的需要. An improved rival penalized competitive learning (IRPCL) clustering algorithm is proposed. A distributed support vector machine (DSVM) is constructed. Aiming at the difficulty of computing bias of SVM, a two-phase algorithm is proposed. DSVM is applied in soft sensing for ratio of soda to alumina (RSA) in the process of high-pressure digestion of alumina. Simulation result shows that the method possesses high precision and can meet actual demands.
作者 桂卫华 李勇刚 阳春华 陈志盛
机构地区 中南大学信息科学与工程学院
出处 《控制与决策》 EI CSCD 北大核心 2004年第8期852-856,共5页 Control and Decision
基金 国家863计划项目(2001AA411040) 国家973计划资助项目(2002CB312200).
关键词 支持向量机 RPCL聚类算法 软测量 苛性比值 Alumina Computer simulation Learning algorithms Predictive control systems
分类号 TP18 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献9

  • 1Corinna Cortes, Vladimir Vapnik. Support vector networks[J]. Machine Learning,1995,20(3):273-295.
  • 2Bas J de Kruif, Theo J A de Vries. Support-vector-based least squares for learning non-linear dynamics[A].Proc of the 41st IEEE Conf on Decision and Control[C]. Las Vegas, Nevada,2002.1343-1348.
  • 3Chang Chih-Chung, Hsu Chih-Wei, Lin Chih-Jen. The analysis of decomposition methods for support vector machines[J]. IEEE Trans on Neural Networks,2000,11(4):1003-1008.
  • 4John C P. Fast training of support vector machines using sequential minimal optimization[A]. Advances in Kernel Methods-Support Vector Learning[C].Cambridge, MA: MIT Press, 1999.185-208.
  • 5Cao Lijuan. Support vector machines experts for time series forecasting[J]. Neurocomputing,2003,51:321-339.
  • 6Xu Lei, Krzyzak Adam, Oja Erkki. Rival penalized competitive learning for clustering analysis, RBF net, and curve detection[J]. IEEE Trans on Neural Networks,1993,4(4):636-649.
  • 7王定成,方廷健,高理富,马永军.支持向量机回归在线建模及应用[J].控制与决策,2003,18(1):89-91. 被引量：82
  • 8萧嵘,王继成,孙正兴,张福炎.一种SVM增量学习算法α-ISVM[J].软件学报,2001,12(12):1818-1824. 被引量：85
  • 9王旭东,邵惠鹤,罗荣富.分布式RBF神经网络及其在软测量方面的应用[J].控制理论与应用,1998,15(4):558-563. 被引量：24

二级参考文献15

  • 1[1]Vapnik V. The Nature of Statistical Learning Theory[M]. New York: Springer,1999.
  • 2[2]Müller K R, Smola A J, Rats¨ch G, et al. Predicting timeserieswithsupport vector machines[A]. Proc ICANN′97[C]. New York: Springer,1997.999-1004.
  • 3[3]Drucker H, Burges C J, Kaufman L, et al. Support vector regression machines[A]. Adv Neural Infor Proc Syst[C].Cambride: MIT Press,1997.155-161.
  • 4[4]Vapnik V, Golowich S, Smola A. Support vector method for function approximation, regression estimation and signal processing[A]. Adv Neural Infor Proc Syst[C].Cambride: MIT Press,1997.281-287.
  • 5[5]Boser B E, Guyon I M, Vapnik V N. A training algorithm for optimal margin classifiers[A]. 5th Annual ACM Workshop COLT[C]. Pittsburgh: ACM Press,1992.144-152.
  • 6[6]Campbell C. Algorithmic approaches to training support vector machnies: A survey[A]. Proc ESANN′2000[C]. Belgium: D-Facto Publications,2000.27-36.
  • 7[7]Marsh L S, Albright L D. Economically optimum day temperature for greenhouse hydroponic lettuce production - Part 2: Results and simulations[J]. Trans ASAE,1991,34(3):557-562.
  • 8[8]Maksarov D, Chalabi Z S. Computing bounds on greenhouseenergyrequirementsusingboundederror approach[J]. Contr Eng Prac,1998,(6):947-995.
  • 9王旭东，博士学位论文，1997年
  • 10罗荣富，Control Eng Pract，1995年，3卷，1期，31页

共引文献187

同被引文献142

引证文献13

二级引证文献201

控制与决策
2004年 第8期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部