文献

J-GLOBAL ID：201702219536229695   整理番号：17A1394122

エントロピークラスタ化とK平均に基づくカーネル部分最小二乗ソフト検出法【Powered by NICT】

Entropy-clustering and K-means based kernel partial least squares soft-sensing method

著者 (4件)： Chen Bin (National Key Laboratory of Science and Technology on Multispectral Information Processing, School of Automation, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China) ,  Wu Yaqiong (College of information Science & Technology, Beijing University of Chemical Technology, Beijing 100029, China) ,  Tao Bo (The State Key Laboratory of Digital Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Zheng Ying (National Key Laboratory of Science and Technology on Multispectral Information Processing, School of Automation, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 2139-2143  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： カーネル部分最小二乗(KPLS)は,非線形工業プロセスのソフトセンシングのための広く採用されている。KPLS法では,カーネル関数の中心ノードとカーネル幅の決定は汎化能力とpredictiabilityに影響を及ぼすであろう。エントロピークラスタリングとK-meansに基づくKPLS回帰法を提案した。まず,オリジナルデータを分割エントロピークラスタリング法によるいくつかのクラスタに初期クラスタリング中心を得た。第二に,K平均アルゴリズムは,これらの初期クラスタリング中心に適用したカーネル関数の最終中心ノードを得ることである。最後に,カーネル関数の幅は,カーネル関数とその隣接中央ノードの中央ノード間のEuclid距離に応じて決定した。提案した方法は,化学企業からのプロセスデータに基づいて検証した。実験結果は,提案したアルゴリズムは,従来のKPLS回帰法と比較して測定誤差を大幅に低減することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *部分最小二乗法 ,  測定誤差 ,  アルゴリズム ,  *検出法 ,  汎化 ,  *エントロピー ,  *クラスタ化 ,  *クラスタ
準シソーラス用語： Euclid距離 ,  クラスタリング法 ,  Kernel関数 ,  工業プロセス , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： エントロピー ,  クラスタ化 ,  平均 ,  カーネル ,  部分最小二乗 ,  ソフト ,  検出法