基于改进聚类算法的分布式SVM及其应用  

Distributed SVM based on improved clustering algorithm and its application

作　　者：桂卫华[1] 李勇刚[1] 阳春华[1] 陈志盛[1] 

机构地区：[1]中南大学信息科学与工程学院,湖南长沙410083

出　　处：《控制与决策》2004年第8期852-856,共5页Control and Decision

基　　金：国家863计划项目(2001AA411040);国家973计划资助项目(2002CB312200).

摘　　要：针对RPCL聚类算法存在的缺点,提出一种改进算法,并在此基础上得到了一种分布式支持向量机(DSVM).针对SVM算法中阈值难以确定的问题,提出了一种两段学习算法.最后将DSVM应用于氧化铝高压溶出过程苛性比值的软测量,现场数据的仿真结果表明该方法具有较高的精度,能满足实际生产的需要.An improved rival penalized competitive learning (IRPCL) clustering algorithm is proposed. A distributed support vector machine (DSVM) is constructed. Aiming at the difficulty of computing bias of SVM, a two-phase algorithm is proposed. DSVM is applied in soft sensing for ratio of soda to alumina (RSA) in the process of high-pressure digestion of alumina. Simulation result shows that the method possesses high precision and can meet actual demands.

关 键 词：支持向量机 RPCL聚类算法 软测量 苛性比值 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]