一种基于LDA和FCM的BPA多模型软测量方法

模糊C-均值聚类(FCM)算法是数据预处理中常用的一种方法，但用这种方法进行数据聚类，各类别边界信息间往往存在干扰，模型精度不能得到很好改善。本文采用一种改进的线性判别分析(LDA)方法，用于扩大样本类别间的距离，使聚类更为精确。将FCM算法与改进的LDA算法结合提取样本特征，然后通过多模型融入到SVM算法中。通过对双酚A软测量建模的仿真研究表明该方法具有较好的效果。