基于改进聚类和加权Bagging的多模型软测量建模

摘要

针对化工生产过程中软测量模型估计精度的问题，提出一种基于改进聚类和加权Bagging的多模型建模方法。该方法在传统FCM聚类的基础上，利用K-近邻处理进一步降低错分率，改善聚类效果；通过相关性分析对训练样本集进行特征分组，将原始集划分为多个特征集；最后根据加权Bagging的集成学习算法，融合支持向量机自适应地实现多模型建模。仿真结果表明，该建模方法可以合理地加权分配特征子模型，使得模型估计精度得到提高，具有更强的泛化能力。