登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于遗传优化的PCA-SVM控制图模式识别
  • 摘要

    针对SVM和PCA-SVM进行质量控制图模式识别时泛化能力不足和识别精度不高的问题,提出一种基于遗传优化的PCA-SVM控制图模式识别方法.该方法的基本思想是首先基于特征子空间降维方法,运用PCA算法对原始特征样本进行主元分析,有效降低原始特征样本维数并突出聚类,提取各模式之间的主元特征;然后把此特征看成遗传算法中一组染色体,对支持向量机分类器核参数和惩罚因子进行二进制编码,通过对随机产生的一组染色体进行模式识别,并将此识别率作为遗传算法的适应度函数,通过选择、交叉和变异操作,对其参数进行自适应寻优;最后用优化的支持向量机分类器进行控制图模式识别.通过仿真进行验证,结果显示基于遗传优化的PCA-SVM分类器模型的控制图模式泛化能力强、识别精度高,可适用于生产现场质量控制.

  • 作者

    李太福  胡胜  魏正元  韩亚军  LI Tai-fu  HU Sheng  WEI Zheng-yuan  HAN Ya-jun 

  • 作者单位

    重庆科技学院电气与信息工程学院,重庆,401331/重庆理工大学数学与统计学院,重庆,400054/重庆科创职业学院机电技术中心,重庆永川,402160

  • 刊期

    2012年12期 ISTIC PKU

  • 关键词

    控制图  模式识别  遗传优化  主元分析  支持向量机 

参考文献
查看更多︾
相似文献 查看更多>>
35.175.248.25