文献类型：期刊文献

中文题名：基于核函数主元分析的SVM建模方法及应用

英文题名：SVM Modeling and Application Based on Kernel Function Principal Component Analysis

作者：杨希[1];钱锋[1];张兵[1]

机构：[1]华东理工大学自动化研究所,上海200237

年份：2007

卷号：33

期号：2

起止页码：259

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：20072210628437);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

基金：国家973计划资助(2002CB3122000)

语种：中文

中文关键词：核函数;主元分析;支持向量机;非线性建模

外文关键词：kernel functions principal component analysis~ support vector machine; nonlinear modeling

摘要：为有效克服线性建模方法在非线性建模方面的不足,将核函数思想引入到主元分析方法(PCA)中,有效提取实验数据中的非线性特征信息,并将其作为支持向量机(SVM)的输入变量,建立工业过程软测量模型。该方法应用于丙烯腈聚合过程中转化率的预报,结果表明:该方法的预测精度优于PCA-SVM方法和KPCA-NN方法。
Kernel function is introduced into PCA method to obtain nonlinear character information from experimental data so as to overcome the disadvantage of traditional methods in nonlinear modeling.SVM is utilized in developing soft sensor that uses the nonlinear characteristics of data as the input of SVM.Application shows that the proposed method is effective and superior to both PCA-SVM and KPCA-NN methods in the application of acrylonitrile transforming prediction.