您的位置： 专家智库 > >

周梅

作品数：3 被引量：0H指数：0
供职机构：杭州电子科技大学更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文
  • 1篇专利

领域

  • 2篇自动化与计算...

主题

  • 3篇实时监测
  • 2篇批次
  • 2篇K近邻
  • 1篇在线实时监测
  • 1篇数据驱动
  • 1篇离线
  • 1篇聚类
  • 1篇聚类算法
  • 1篇均值聚类
  • 1篇均值聚类算法
  • 1篇监测方法
  • 1篇归一化
  • 1篇K-均值
  • 1篇K-均值聚类
  • 1篇K-均值聚类...
  • 1篇测量数据

机构

  • 3篇杭州电子科技...
  • 1篇浙江大学

作者

  • 3篇周梅
  • 2篇文成林
  • 2篇周哲

传媒

  • 1篇计算机辅助工...

年份

  • 1篇2017
  • 2篇2015
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
一种基于k近邻的批次过程在线实时监测方法
本发明公开了一种基于k近邻的批次过程在线实时监测方法，本发明根据每个采样时刻的历史数据进行多个建模，并根据这些模型对批次过程实时地监测【通过离线训练，建立模型】。将批次过程的历史数据按照采样时刻切割为多个二维数据矩阵，对...
文成林周梅周哲
文献传递
基于k近邻的批次过程在线实时监测方法
2015年
针对基于k近邻的故障检测方法(Fault Detection method using the k-Nearest Neighbor rule,FD-k NN)的在线实时监测需预估当前时刻之后的采样数据,检测性能会受到预估精度影响的问题,对FD-k NN进行扩展以适用于批次过程的实时监测.该方法根据每个采样时刻的历史数据进行建模,并根据这些模型实时监测批次过程.该方法不需要预估数据,避免由于预估误差大而带来的误报和漏报问题,同时较好地继承k近邻法则(k-Nearest Neighbor rule,k NN)在处理非线性、多模态和非高斯等问题上具有的优势.青霉素发酵过程的仿真试验验证该方法可行.
周梅周哲文成林
关键词：K近邻实时监测
一类间歇过程基于数据驱动的过程监控方法研究
间歇过程作为现代工业生产的一种重要方式，已经被广泛地应用于染料、食品、制药等众多领域。目前，将过程监控技术应用到间歇过程中，建立监测系统对间歇过程进行异常检测，已成为工业控制领域的一个重要研究方向。本文基于k近邻方法，开...
周梅
关键词：K-均值聚类算法实时监测数据驱动
文献传递
全选 清除 导出
共1页<1>
聚类工具0