一种改进自训练算法的半监督高斯过程回归软测量建模方法

摘要

本发明公开了一种基于改进自训练算法的半监督高斯过程回归软测量建模方法。用于带有缺失主导变量的训练数据集的化工过程软测量建模。该方法采用自训练算法估计缺失的主导变量样本，并根据得到的估计样本对原有训练数据的影响，筛选出泛化能力强的样本加入到原始样本集中，从而构成新的训练样本集进行建模。该方法一方面实现估计样本的有效筛选，提高半监督模型精度；另一方面筛选准则简单，不需要划分完整数据集，且不受模型结构的限制。该方法可以提高产品质量，降低生产成本。