核函数方法及其在过程控制中的应用研究

Studies

and

主要内容 

• Kernel trick
• Kernel-based methods
• Kernel chemometric
• Kernel PCA, Kernel PCR
• Kernel PLS
• Kernel Fisher Discriminant
• Support vector machines
• Support vector classification machines
• Support vector regression machines
• Applications

研究背景 

• 人类具有通过事例学习能力，并能举一反三。因此，希望在对机器智能的研究中，也希望它具有该能力。
• 传统方法及其局限性
• 统计学在解决机器学习的问题中取基础作用
• 传统统计学研究的主要是渐近理论，即当样本趋向无穷多时的统计性质
• Vapnik等人系统地研究了有限样本情况下的机器学习问题，建立了统计学习理论（SLT）的基本体系。
• SVM 在应用研究中展示了良好的性能

• 由于工业过程的复杂性，（多变量、非线性、时变、分布参数、信息不完全、信息冗余等）。基于过程机理的方法在应用研究中遇到困难。
• 过程控制借鉴了机器学习中的理论与方法，如ANN。取得了较丰富的成果。

下一页