基于支持向量機(jī)的過程工業(yè)數(shù)據(jù)挖掘技術(shù)研究.pdf

1、　 論文以聚酯工業(yè)產(chǎn)業(yè)鏈中的兩個(gè)關(guān)鍵過程對(duì)二甲苯(Para-Xylene，簡(jiǎn)稱PX)吸附分離、氧化過程為背景，以SVM方法為工具，從數(shù)據(jù)挖掘的角度分別對(duì)預(yù)言型數(shù)據(jù)挖掘和探索型數(shù)據(jù)挖掘在PX工業(yè)中的應(yīng)用進(jìn)行了研究。最后在提出算法的基礎(chǔ)上實(shí)現(xiàn)了一個(gè)數(shù)據(jù)挖掘的軟件平臺(tái)ESP-PISDMS。提出了一種改進(jìn)的SVM分類算法。從測(cè)試樣本是否滿足KKT條件出發(fā)，分析新增樣本和原有樣本交互學(xué)習(xí)中支持向量集構(gòu)成的變化，將盡可能多的可能包含支持向量的

2、樣本選入當(dāng)前的工作訓(xùn)練集中，提高算法精度。 通過合理地劃分樣本集的大小，和傳統(tǒng)的算法相比該算法在處理大規(guī)模樣本時(shí)具有較高的精度和訓(xùn)練速度，并且非常適用于在線增量學(xué)習(xí)。提出一種過程工業(yè)數(shù)據(jù)挖掘系統(tǒng)的5P模型，以簡(jiǎn)化數(shù)據(jù)挖掘流程、降低數(shù)據(jù)挖掘門檻為目的實(shí)現(xiàn)了一個(gè)數(shù)據(jù)挖掘平臺(tái)軟件ESP-PIDMS，采用兩層C/S構(gòu)架，服務(wù)器端由處理庫、挖掘庫、結(jié)果庫、挖掘內(nèi)核等部分組成，客戶機(jī)端包含用戶建模界面和結(jié)果瀏覽器，挖掘過程各個(gè)部分模塊結(jié)構(gòu)