半监督回归学习理论和方法及其在工业过程软测量建模中的应用研究

项目名称： 半监督回归学习理论和方法及其在工业过程软测量建模中的应用研究

项目编号： No.60974119

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 阎威武

作者单位： 上海交通大学

项目金额： 31万元

中文摘要： 在流程工业过程中，大量关键性过程状态（成分、物性等）、产品质量等参数缺乏在线直接测量手段。软测量技术是解决此类问题的有效工具，用软件方法在线地测量过程变量，从而为进一步实现质量控制和过程优化奠定基础。本申请分析了工业软测量建模数据中存在标记样本和未标记样本的特性，指出软测量建模的本质归属于半监督学习的框架。在此基础上，提出了基于半监督回归理论和方法的软测量建模的新框架。在新的框架下，研究了半监督回归算法和静态软测量建模方法。针对时变系统，提出了在线半监督回归算法以及动态半监督软测量模型。研究了半监督回归的模型选择问题，寻找最优模型。针对复杂工业过程，提出了一种基于高斯过程的多模型半监督学习方法。最后将半监督回归学习应用于工业过程质量监控。半监督回归学习为软测量建模中存在的小样本、非线性及要求模型适应性强，泛化能力强和鲁棒性强等急需解决的问题提供了新的解决方案。

中文关键词： 半监督回归；软测量；流形学习；在线学习；多模型

英文摘要：

英文关键词： Semi-supervised regression；Soft sensor；Manifold learning；On-line learning；Multi-model