论文部分内容阅读
多方法主要部件分析(MPCA ) 收到了可观的注意并且是广泛地在过程监视使用。一个传统的 MPCA 算法展开历史的数据的多重批进一个二维的矩阵和切割沿着到形式 subspaces 的时间轴的矩阵。然而, subspaces 的低效率和困难的差错隔离是为主要部件模型的普通劣势。这份报纸基于能有效地减少 subspace 信息的存储数量的内核密度评价功能论述一个新 subspace 构造方法。MPCA 模型和知识库基于新 subspace 被造。然后,与摆平的预言错误(SPE ) 指责察觉和隔离统计数值和 H