| 基于小波分析和PSO-SVM的控制图混合模式识别 |
| |
| 引用本文： | 兰秀菊,张丽霞,鲁建厦,陈呈频.基于小波分析和PSO-SVM的控制图混合模式识别[J].浙江工业大学学报,2012,40(5):532-536. |
| |
| 作者姓名： | 兰秀菊 张丽霞 鲁建厦 陈呈频 |
| |
| 作者单位： | 浙江工业大学机械工程学院,浙江杭州,310032 |
| |
| 基金项目： | 国家自然科学基金资助项目，浙江省科技厅基金资助项目 |
| |
| 摘 要： | 由于质量过程的复杂性,质量过程数据常会有多种异常的混合现象,为了提高对控制图混合模式的识别效果,将支持向量机(Support vector machine,SVM)分类器的参数经过粒子群优化算法(Particle swarm optimization,PSO)算法优化,然后与小波分析技术相结合,设计了三层控制图模式识别模型.该模型首先识别模式是否正常,如果发现异常,则对异常的模式进行小波包分解,将分解后的低频部分和高频部分分别输入第二层和第三层PSO-SVM分类器中进行模式的分类识别.通过仿真实验的验证得,该模型的平均识别率为98.33%,对混合模式的识别率也在95%之上,由此证明了该控制图模式识别模型的有效性.最后,对该模型进行了实例验证,该模型可以很好的识别出控制图混合模式,证明了模型的可行性.
|
| 关 键 词： | 控制图模式 模式识别 小波分析 PSO-SVM |
The mixed patterns recognition of control chart based on wavelet analysis and PSO-SVM |
| |
| LAN Xiu-ju
,
ZHANG Li-xia
,
LU Jian-sha
,
CHEN Cheng-pin.The mixed patterns recognition of control chart based on wavelet analysis and PSO-SVM[J].Journal of Zhejiang University of Technology,2012,40(5):532-536. |
| |
| Authors: | LAN Xiu-ju ZHANG Li-xia LU Jian-sha CHEN Cheng-pin |
| |
| Affiliation: | (College of Mechanical Engineering,Zhejiang University of Technology,Hangzhou 310032,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
