第一个书签之前
基于机器学习的工业系统软测量方法
A Thesis Submitted in Partial Fulfillment of the R
for the Degree for the Master of Engineering
摘 要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文的主要研究内容
2 基础理论知识介绍
2.1 熵聚类方法
2.2 偏最小二乘算法推导
2.2.1 模型提取成分个数的确定
2.2.2 数据集特异点的识别
2.3 人工神经网络简介
2.3.1 径向基函数神经网络结构
2.3.2 径向基(Radial Basis Function)神经网络工作原理
2.4 深度学习算法简介
2.4.1 深度学习的模型结构
2.4.2 深度学习模型的原理
2.4.3 深度模型的训练算法
2.5 本章小结
3 基于改进密度峰值聚类的工况划分
3.1 基于密度峰值的聚类算法
3.1.1 聚类中心的选取
3.1.2 聚类算法详解
3.2 基于改进密度峰值聚类的工况划分方法步骤
3.3 实例
3.4 本章小结
4 基于熵聚类的核偏最小二乘优化方法
4.1非线性PLS方法
4.2 熵聚类算法的具体步骤
4.3 基于熵聚类的核偏最小二乘算法
4.4 基于熵聚类的核偏最小二乘算法实验结果
4.5 本章小结
5 基于深度学习与RBF神经网络结合的软测量建模方法
5.1 RBF神经网络的设计
5.2 降噪自编码器的算法原理
5.3.1 模型结构
5.3.2 基于无监督学习的预训练
5.3.3 基于监督学习微调模型参数
5.4 深度学习与RBF神经网络结合的软测量建模步骤
5.5 实例
5.6 本章小结
6 结论和展望
6.1 本文工作总结
6.2 工作展望
致 谢
参考文献
附录(攻读学位期间发表论文目录)
华中科技大学;