基于融合特征约减和支持向量机的控制图模式识别

摘要：

为提高产品加工过程中质量监测的智能化程度,在运用控制图描述质量波动的基础上,提出了一种基于融合特征约减的KPCA-SVM控制图分类方法.先通过蒙特卡洛模拟生成控制图数据集,提取统计特征和形状特征,并将其与原始特征相融合,运用核主成分分析对高维融合特征降维,再使用遗传算法优化支持向量机的参数.通过仿真实验,将降维前后、不同分类器的识别精度进行了比较,结果表明运用所提方法能够得到更好的识别效果.

关键词：控制图、模式识别、特征融合、降维、核主成分分析、支持向量机

所属期刊栏目：28

分类号：TH165.4;TP391.4

资助基金：国家自然科学基金资助项目51205230;湖北省自然科学基金资助项目2015CFB445;宜昌市自然基础科学研究与应用项目A15-302-a02;赛尔网络下一代互联网技术创新项目NGⅡ20150801

在线出版日期：2017-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：930-935