基于AP聚类算法的跳汰机床层松散度软测量建模
松散度是跳汰分选过程的重要影响因素，针对其难以用仪器在线检测的问题，提出采用最小二乘支持向量机（LS-SVM）的软测量建模方法。在充分考虑分选过程高度非线性及强耦合性的基础上，为避免单模型建模回归精度差和泛化能力弱的问题，提出采用基于仿射传播（AP）聚类的LS-SVM多模型建模算法进行床层松散度软测量建模。首先采用AP算法对样本数据进行聚类划分， 再用LS-SVM的方法对子类样本分别建立子模型，最后通过子模型切换策略得到系统输出。仿真实验表明，基于AP聚类算法的LS-SVM软测量建模算法能够更好地预测跳汰机床层松散度。
跳汰机 松散度 AP聚类算法 最小二乘法 支持向量机
李丽娟 潘磊 张湜
南京工业大学自动化与电气工程学院，江苏南京 211816
国内会议
厦门
中文
1-6
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）