Nonlinear process monitoring using improved kernel principal component analysis

Kernel principal component analysis (KPCA) has become a popular technique for process monitoring in recent years. However, the performance largely depends on kernel function, yet methods to choose an appropriate kernel function among infinite ones have only been sporadically touched in the research...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Chinese Control and Decision Conference s. 5832 - 5843
Hlavní autoři:	Wei, Chihang, Chen, Junghui, Song, Zhihuan
Médium:	Konferenční příspěvek Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 01.05.2016
Témata:	Approximation Eigenvalues and eigenfunctions Fault Detection Kernel Kernel Function Approximation Kernel functions Kernels Learning Linear programming Manifold Learning Manifolds Mathematical models Monitoring Nonlinear Process Monitoring Principal component analysis Training
ISSN:	1948-9447
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!