论文部分内容阅读
软测量技术广泛应用于工业过程,其核心是建立一个可靠的软测量模型。常规的软测量都是基于建立单个的数学模型,常难达到需要的精确和稳健性。基于机器学习的集成思想,给出了增强偏最小二乘回归(boosting-PLS)算法,并将其用于一个基于近红外光谱法啤酒度数软测量中,试验结果表明:应用boosting-PLS算法所建模型是一种精确、稳健、有应用潜力的软测量方法,特别适合于类似涉及高维光谱数据的软测量。