基于SVM的控制图模式识别方法研究

被引：13

作者：

赵方方 ^{[1
,2
]}

何桢 ^{[1
]}

机构：

[1] 天津大学管理学院

[2] 天津工业大学机电学院

来源：

组合机床与自动化加工技术 | 2009年 / 08期

关键词：

控制图模式识别; 支持向量机; 时域特征; 稳健性;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置]; F270.7 [企业现代化管理];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ; 1201 ;

摘要：

质量控制图的模式识别是智能工序质量诊断分析系统的基础,产品的大规模定制趋势使得统计控制的样本量减少。在探讨以往的识别方法的基础上,研究了基于支持向量机(support vector machine,SVM)的质量控制图模式识别方法,该方法以控制图的12个时域特征作为分类的统计量,利用支持向量机作为分类器,对控制图的正常模式和各种失效模式进行识别。仿真实验表明,该方法在小样本条件下具有识别率稳健、识别速度快等优点,为实现大规模定制模式下工序质量在线诊断和事前控制提供了一种可行的途径。

引用

页码：1 / 4+9 +9

页数：5

共 8 条

[1]

不确定性支持向量机原理及应用.[M].杨志民; 刘广利; 著.科学出版社.2007,

[2]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[3]

模式识别.[M].边肇祺等编著;.清华大学出版社.2000,

[4] A neural network approach to characterize pattern parameters in process control charts [J].