基于多分类支持向量机的智能辅助质量诊断研究

• 作者: 吴德会
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 小批量 质量诊断 多分类支持向量机 决策树
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 1689-1692,1696
• 分类号: TH165
• 语种: 中文

摘要

在分析比较目前常用的质量辅助诊断方法局限性的基础上,提出了一种基于多分类支持向量机(SVM)的质量控制图智能诊断新方法.该方法以SVM技术为智能核心,较好地解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量诊断时所表示出的过学习、泛化能力弱等缺点.另一方面,通过结合投票法和决策树的基本思想,所提方法拓展出对控制图混合型异常模式的识别能力,从而提高了对质量过程诊断的全面性和准确性.与其它几种常见人工智能方法质量诊断的效果进行对比,实验表明,所提方法容易实现、诊断精度高,为实现小批量加工过程的在线质量诊断与控制提供可行的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴德会	九江学院数字控制技术与应用江西省重点实验室	66	721	15.0	23.0