基于神经网络的非线性PCA方法

该文采用基于正交最小二乘方法 (OLS)的径向基函数 (RBF)神经网络进行非线性主元分析 (NLPCA)算法的训练 ,提高了训练速度 ,且不存在局部最优问题。将其应用到聚丙烯生产的高维非线性数据相关特性的提取中 ,仿真试验显示这种NLPCA方法提高了熔融指数 (MI)的预报精度 ,具有实际应用价值。