基于递推PLS核算法的软测量在线学习方法
针对过程的动态时变特性，提出一种基于PLS核算法的软测量在线学习方法。该方法利用PLS核算法，通过递推学习具有代表性的新样本来改善模型的适应能力，较NIPALS算法具有更高的计算效率；并采用一种同时考虑输入和输出信息的相似度准则，有选择地删除一个或多个冗余样本，更有效地构建了训练样本集。工业聚丙烯熔融指数的软测量建模研究表明，本文提出的方法能够快速有效地跟踪牌号切换中熔融指数的变化。
软测量 在线学习方法 PLS核算法 样本相似度
邵伟明 田学民 王平
中国石油大学（华东）信息与控制工程学院，山东青岛 266580
国内会议
厦门
中文
1-5
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）