论文部分内容阅读
提出了一种将核主成分分析(KPCA)和最小二乘支持向量机(LSSVM)相结合的软测量建模方法。核主成分分析能够对样本数据进行特征提取,消除数据的相关性。本文利用KPCA提取主元,降低样本的维数;然后利用最小二乘支持向量机进行建模,不仅降低了模型的复杂性,而且提高了模型的泛化能力。用该方法建立柴油凝点的软测量模型,和其他4种方法比较,结果表明基于KPCA-LSSVM方法建立的软测量模型有较好的预测效果和泛化能力,是一种有效的数据建模方法。