基于小波分析和SVM的控制图模式识别

被引:12
作者
吴常坤
赵丽萍
机构
[1] 西安交通大学
关键词
控制图异常模式; 小波包分解; 支持向量机; 模式识别;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为提高控制图模式尤其是混合控制图模式的识别精度,提出了基于小波分析和支持向量机(SVM)的控制图模式识别方法。该方法通过对工序质量特征数据进行小波包分解,提取低频逼近序列和各频带能量信息,并以此作为SVM分类器的输入,分别识别控制图模式中的趋势信号、阶跃信号和周期信号,最后通过合并这些信号以确定控制图的模式。通过仿真实验的验证,表明该方法相比传统的控制图模式识别方法,具有较好的识别精度。
引用
收藏
页码:1572 / 1576
页数:5
相关论文
共 7 条
[1]   基于PCA和SVM的控制图失控模式智能识别方法 [J].
杨世元 ;
吴德会 ;
苏海涛 .
系统仿真学报, 2006, (05) :1314-1318
[2]   质量控制图在线智能诊断分析系统 [J].
乐清洪 ;
滕霖 ;
朱名铨 ;
王润孝 .
计算机集成制造系统, 2004, (12) :1583-1587+1599
[3]   A neural network approach to characterize pattern parameters in process control charts [J].
Guh, RS ;
Tannock, JDT .
JOURNAL OF INTELLIGENT MANUFACTURING, 1999, 10 (05) :449-462
[4]   Recognition of control chart concurrent patterns using a neural network approach [J].
Guh, RS ;
Tannock, JDT .
INTERNATIONAL JOURNAL OF PRODUCTION RESEARCH, 1999, 37 (08) :1743-1765
[5]   OUT-OF-CONTROL PATTERN-RECOGNITION AND ANALYSIS FOR QUALITY-CONTROL CHARTS USING LISP-BASED SYSTEMS [J].
SWIFT, JA ;
MIZE, JH .
COMPUTERS & INDUSTRIAL ENGINEERING, 1995, 28 (01) :81-91
[6]  
现代信号处理教程.[M].胡广书编著;.清华大学出版社.2004,
[7]  
统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,