需求发布 成果发布 科创案例库 揭榜挂帅
技术路演 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
试点城市(园区) 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 成果库 基于高级集成学习策略的半监督软测量方法

基于高级集成学习策略的半监督软测量方法

发布时间: 2022-06-28

来源: 科创项目库

基本信息

合作方式： 技术服务
成果类型： 实用新型专利
行业领域：
新基建
成果介绍

本发明提供了一种新的高级集成学习策略，用于半监督模型的软传感器开发。软测量的主要目标是在集成学习框架下，在有限的标记数据样本下提高预测性能。首先，为了提高集成建模子模型的预测精度，建立了一种新的样本选择机制来选择最显著的估计数据样本。其次，对标记的数据集和选择的数据集都采用bagging方法，并基于相异（dissimilarity，dissim）算法对两种不同类型的数据集进行匹配。因此，该方法保证了集成学习中两个重要问题子模型的多样性和准确性。在本文中，软测量是建立在高斯过程回归（gpr）模型。

成果亮点
团队介绍
成果资料