文档介绍：机器学****算法及其工程应用研究 Machine learning algorithms and its application research in engineering 领域:化学工程研究生:张泽指导教师:宋凯企业导师:杨殿才化工学院二零一二年五月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名: 签字日期: 年月日我是爱天大的!! 学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索, 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明) 学位论文作者签名: 导师签名: 签字日期: 年月日签字日期: 年月日摘要本文研究了机器学****算法在橡胶混炼过程控制、天气预报及基因识别等不同领域的应用。橡胶混炼是橡胶产品加工流程的第一步,混炼胶质量直接影响后续工序和橡胶产品的质量。作为重要质量指标之一的门尼粘度,其严重的测量滞后一直是制约橡胶混炼过程控制进一步发展的瓶颈。本文根据橡胶混炼机理,首次提出用混炼胶的流变参数预测门尼粘度。并针对混炼过程的特点,提出一种新的机器学****算法DRPLS-GP(Discounted-measurement Recursive Partial Least Squares-GaussianProcess)。利用折息因子的引入克服“数据饱和”现象,用 DRPLS提取潜变量来克服原始数据中的噪声和变量之间的多重相关性,而后潜变量作为GP的输入进行非线性回归。另外,DRPLS-GP可以灵活地调节折息因子,确保了对不同配方混炼胶门尼粘度的精确预测。特别地,它能够通过递推的方法对模型实时地更新,因此该方法在工业中具有很强的实用性。为了提高气候预测性能,克服变量之间的强烈非线性,提出一种新的非线性方法GPLS-GP(GeneralizedPartial Least Squares Gaussian Process)。通过非线性扩展的PLS算法提取潜变量克服原始数据中的噪声以及变量之间的相关性,更重要的是通过扩展变量的方法以及非线性的GP内模型可以得到精确的非线性关系。经过实例验证,GPLS-GP较传统的方法GPLS,PLS及GP的性能好。为了促进基因识别方法的快速发展,本文将八种常用的线性和核函数模式识别技术用于识别人类基因短编码序列(从21-192bp),对其进行评估并寻找 Z曲线中变量的最优组合。通过衡量预测精度、计算时间以及权衡敏感性和特异性等因素,得出最优线性和非线性分类机分别是PLS和KPLS,为生物学家选择分类机提供了可靠依据。并通过分析发现93个Z曲线变量为最优的组合。关键词: 机器学****橡胶混炼,气候预测,基因识别 ABSTRACT In this paper, theapplicationof machine learningalgorithmsis researched in rubber-mixedprocess, weather forecast, genes recognitionand so on. The rubber-mixedis the first step ofrubber product processing process, the quality of mixed rubberdirectly influencesthe subsequent procedure and quality of rubber large measurement delay of the Mooney-viscosity, one of the most important quality indexesof mixed rubber, has long been the main bottleneck holding back furtherdevelopment of rubber mixing process to the mechanism of rubber-mixed, the method that predicts theMooney viscositywith