基于主成分分析的统计过程控制图模式识别方法

发布时间：2021-09-30 16:49

　　通过统计过程控制图的模式识别可以判断生产状态的类型,帮助管理人员及时调整生产线以维持高质量的产品生产。文章首先将统计过程控制图的统计特征和形状特征进行整理,通过主成分分析方法进行降维,将高维特征数据进行线性组合并向低维空间投影,减少分类器输入维数;之后利用支持向量机进行控制图的多分类模式识别;最后通过仿真数据集和实例数据集进行比较验证。结果表明,基于主成分分析的统计过程控制图模式识别方法在分类准确率方面有显著提升,在漏报率和虚警率方面有显著降低,测试结果稳定,更适合统计过程控制图的模式识别。 

【文章来源】：统计与决策. 2020,36(24)北大核心CSSCI

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于随机森林的统计控制图模式识别研究[J]. 王海燕,侯琳娜.  工业工程. 2019(05)
[2]基于统计特征的动态过程质量异常模式识别[J]. 刘玉敏,刘莉.  统计与决策. 2017(19)
[3]基于支持向量机的纳西东巴象形文字符识别[J]. 王海燕,王红军,徐小力.  云南大学学报(自然科学版). 2016(05)
[4]基于多特征PCA融合的SVM质量异常识别[J]. 刘玉敏,张帅.  河南大学学报(自然科学版). 2014(06)
[5]基于多特征的PSO-MSVM动态过程质量异常模式识别[J]. 刘玉敏,周昊飞.  计算机应用研究. 2015(03)
[6]基于融合特征与支持向量机的控制图模式识别[J]. 宋李俊,赵虎.  计算机应用研究. 2014(03)
[7]基于SVM的控制图模式识别方法研究[J]. 赵方方,何桢.  组合机床与自动化加工技术. 2009(08)
[8]智能统计工序质量控制的体系研究[J]. 吴少雄.  计算机集成制造系统. 2006(11)



本文编号：3416278