摘要: 在基于数据驱动理论的软测量建模过程中,样本的数量会对所建模型的精度产生影响。针对训练样本数量较少的情况,提出了一种利用欧氏距离和角度原则进行数据扩充的方法。该方法通过分析数据的分布特征来确定样本扩充的区间范围,利用扩充数据完善建模对象在各阶段的信息,并进一步重构建模数据集,从而提升了所建模型的预测精度。通过2个工业过程的仿真研究,验证了该方法具有良好的泛化性能和建模精度。
毕略, 熊伟丽. 基于数据分布的小样本扩充方法及应用[J]. 控制工程, 2019, 26(7): 1431-1436.
BI Lve, XIONG Wei-li. Small Sample Expansion Method and Application Based on Data Distribution[J]. Control Engineering of China, 2019, 26(7): 1431-1436.