论文部分内容阅读
参照流形学习的非线性变换思想,提出一种结合局部线性嵌入(LLE)的隐马尔可夫模型(HMM)进行回转窑喂煤量变化趋势的预测.LLE-HMM通过LLE对特征数据进行非线性特征变换,接着将变换后的特征数据量化成具体的观测符号值,然后利用HMM建立回转窑喂煤量趋势的预测模型.通过对回转窑生产过程数据的仿真,结果表明与PCA-HMM、ICA-HMM相比,LLE-HMM的测量精度高,跟踪性能好,能满足喂煤量变化趋势预测的要求.