一种改进的RPCL聚类算法及其在软测量中的应用

摘要：

传统RPCL聚类算法是在随机选取样本的前提下修正权矢量的,没有考虑样本集的空间分布情况.为此,该文提出了一种改进的RPCL聚类算法.该算法引入样本区域密度的概念,根据密度大小按不同的概率选取样本,以修正权矢量.利用文[1]中的算例证明了新算法比传统RPCL算法具有更好的聚类速度和精度.最后将算法用于基于RBF神经网络的氧化铝高压溶出过程中溶出率的软测量,仿真结果表明改进的RPCL算法能很好地实现数据样本的聚类,从而提高软测量模型的泛化能力.

关键词：RPCL算法、样本区域密度、RBF神经网络、溶出率、软测量

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：国家高技术研究发展计划863计划2001AA411040

在线出版日期：2003-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：30-32,200