[发明专利]一种融合注意力机制和自适应构图的宽度学习半监督软测量建模方法

权利要求书

1.一种融合注意力机制和自适应构图的宽度学习半监督软测量建模方法，其特征在于，含有以下步骤：

(一)离线建模阶段：收集主导变量化验分析值y_i及与其对应的辅助变量测量值其中i＝1,2,…,n_l，n_l为所收集主导变量值的个数，d为辅助变量的维数；额外收集n_u个辅助变量测量值定义n＝n_l+n_u为所收集辅助变量值的个数；将所收集的辅助变量值按行排序得到辅助变量数据矩阵上标T表示矩阵转置运算，相应地，将所收集的主导变量值按行排序得到主导变量数据行向量进一步地，定义n_u行全0行向量将y_l和y_u合并为行向量利用X₀的均值mean(X₀)和均方差std(X₀)对X₀进行标准化处理得利用y₀的均值mean(y₀)和均方差std(y₀)对y₀进行标准化处理得得到宽度学习的离线训练数据X,y；

(二)指定宽度学习每组特征节点个数n_c、增强节点个数为n_s、正则化参数β,λ,μ,θ和最大迭代次数max_iterate，初始化变量加权矩阵计算每个样本间的距离并选择出与第i个样本x_i最近的k个样本构造初始拉普拉斯矩阵

(三)随机生成N组宽度学习输入层和特征层之间的权值矩阵和偏置项矩阵利用线性映射计算特征层输出随机生成M组特征层和增强层之间权值矩阵和偏置项矩阵并利用非线性激活函数计算增强层输出进而得到输出增广数据矩阵

(四)更新隐层和输出层之间的权重b和模型预测标签值

(五)利用相似矩阵更新变量加权矩阵

(六)更新相似矩阵

(七)重复步骤(四)(五)(六)直到达到最大迭代次数max_iterate，并输出模型参数w，b；

(八)在线测试阶段：采集测试数据n_t为测试集所采集主导变量值的个数，利用训练数据X₀的均值mean(X₀)和均方差std(X₀)对测试数据X_new进行标准化处理，得到标准化后的测试数据对宽度学习预测结果进行反标准化，得到X_new对应的估计值。

2.权利要求1所述的一种融合注意力机制和自适应构图的宽度学习半监督软测量建模方法，其特征在于，所述步骤(一)中，首先利用训练数据的均值mean(X₀)和均方差std(X₀)通过公式(1)对训练数据X₀进行标准化处理，公式(1)的表达式为：

式中，mean(·)表示计算矩阵各列的均值，std(·)表示计算矩阵各列的均方差，得到标准化后的训练数据对也需要类似标准化过程如公式(2):

。