(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111522291.7 (22)申请日 2021.12.13 (71)申请人 广东石油化工学院 地址 525000 广东省茂名市茂南区官渡街 道官渡二路139号 (72)发明人 文成林　李德阳　宋执环　 (74)专利代理 机构 北京圣州专利代理事务所 (普通合伙) 11818 代理人 王杰 (51)Int.Cl. G06K 9/62(2022.01) G06F 17/18(2006.01) G06N 20/00(2019.01) (54)发明名称 基于半监督贝叶斯正则化 混合Student ’s t 模型的鲁棒软测量方法 (57)摘要 本发明公开了一种基于半监督贝叶斯正则 化混合Student ’s t模型的鲁棒软测量方法， 属 于工业过程预测和控制技术领域。 该方法在有监 督混合Student ’s t模型的基础上， 设计了半监 督的混合Student ’s t模型结构， 并将质量变量 和辅助变量之间的回归系数贝叶斯化， 通过变分 贝叶斯期望最大化算法来更新模 型参数， 进而实 现软测量模 型的建立。 本发明不仅能够有效的解 决有标签样本稀少导致的软测量建模不准的问 题， 还能够在一定程度上缓解了过拟合， 提高了 模型的预测精度。 权利要求书4页 说明书11页 附图1页 CN 114169459 A 2022.03.11 CN 114169459 A 1.一种基于半监督贝叶斯正则化混合Student ’s t模型的鲁棒软测量方法， 其特征在 于， 包括以下步骤： S1、 收集历史工业过程中的有标签数据和无标签数据组成训练样本； x∈Rd和y∈R分别 表示d维输入变量和一维输出变量， 和 分别表示有标签 数据集和无 标签数据集， 其中N1和N2分别表示有标签样本和无 标签样本的个数； S2、 将步骤S1收集到的数据集进行标准化处理， 得到均值为0， 方差为1的标准化数据 集， 记为 表示有标签数据标准化后的输入变量， 表示有标签 数据标准化后的输出变量， 表示无标签 数据标准化后的输 入变量； S3、 初始化模型参数 αk表示第k个组分的混合系数， μk， Λk， υk分别表示第k个组分中输入变量对应的均值向量、 精度矩阵和自由度参数， βk， 分别表示第k个组分中输出变量与输入变量之间的回归系数和方差， λk表示回归系数先验 分布的精度； 回归系数及其先验分布 精度贝叶斯 化， a0， b0是 λ 的先验分布的超参数； S4、 采用变分贝叶斯期望最大化VBE M算法以迭代的方式进行参数 学习； S5、 利用学习到的模型参数 实现对质量变量的预测。 2.根据权利要求1所述的基于半监督贝叶斯正则化混合Student ’s t模型的鲁棒软测 量方法， 其特 征在于， 所述 步骤S4包括以下步骤： S41、 VBE‑step:根据当前的模型参数， 求解类别隐变量和中间隐变量的变分后验分布， 以及回归系数和回归系数 先验分布 精度的后验分布， 有标签样本和无标签样本的类别隐变量分别记为 和 其后验分布如下式 其中， 权　利　要　求　书 1/4 页 2 CN 114169459 A 2有 标 签 样 本 和 无 标 签 样 本 的 中 间 隐 变 量 分 别 记 为 和 其后验分布如下式 基于类别隐变量和中间隐变量的变分后验分布， 可以计算得到数 学期望如下式 其中， E[·]表示数学期望， ψ( ·)表示dig amma函数； 对于回归系数和回归系数 先验分布 精度， 其后验分布如下式 权　利　要　求　书 2/4 页 3 CN 114169459 A 3