基于遗传优化的PCA-SVM控制图模式识别

• 作者: 李太福 胡胜 韩亚军 魏正元
• 来源期刊: 计算机应用研究
• 关键词: 控制图 模式识别 遗传优化 主元分析 支持向量机
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4538-4541,4545
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.12.035

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李太福	重庆科技学院电气与信息工程学院	87	399	11.0	15.0
2	韩亚军	重庆科创职业学院机电技术中心	44	77	5.0	7.0
3	魏正元	重庆理工大学数学与统计学院	21	82	5.0	8.0
4	胡胜	重庆理工大学数学与统计学院	2	28	2.0	2.0