论文部分内容阅读
概率主元分析（PPCA）及其扩展方法用于过程监测时，只提取了过程数据的全局特征，并未考虑数据的局部结构．当数据的流形结构复杂时，传统的全局建模方法难以获得准确的预测效果．提出了一种基于拉普拉斯正则化的概率主成分（LapPPCA）模型，将数据的流形结构引入到传统概率模型的似然函数中，使得LapPPCA能够同时提出数据的全局和局部特性．同时提出了基于LapPPCA的过程监测模型，并在田纳西一伊斯曼（TE）过程上验证了该方法的有效性．