10.3969/j.issn.1007-7375.2012.05.021
基于自适应粒子群算法和支持向量机的控制图模式识别
针对目前多品种、复杂化的生产趋势,提出了一种基于自适应变异的粒子群算法(AMPSO)和支持向量机(SVM)的控制图失效模式识别的方法.利用SVM小样本学习能力,设计一对一的SVM多分类器进行控制图模式识别,并利用AMPSO算法优化SVM核函数的参数.通过对10种控制图模式(6种基本模式和4种混合模式)的20维特征仿真数据对该方法进行检验,并通过与BP、SVM、PSO-SVM识别方法的对比分析.仿真试验表明该方法有效提高了控制图模式的识别精度,达到98.14％.而BP仅有75％,为控制图在线实时识别提供了一种可行的途径.
控制图、模式识别、支持向量机、粒子群
15
TH165;TH18
中央高校基本科研业务费专项资金专题研究项目2010ZT03;国家自然科学基金资助项目51175442
2013-01-05（万方平台首次上网日期，不代表论文的发表时间）
共5页
125-129
