基于混合特征LLE融合与SVM的质量异常模式识别

• 作者: 梁晓莹 田光杰
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 异常模式识别 LLE降维 粒子群算法 支持向量机
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 设计与研究
• 页码范围: 55-59,64
• 页数: 6页
• 分类号: TH16|TG506
• 字数: 5519字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2020.03.013

摘要

针对生产过程中存在的异常模式识别的问题,提出基于LLE融合与支持向量机的质量异常模式识别方法.首先从动态数据流中提取其原始特征、统计特征、几何特征并将其进行混合,形成动态数据流的混合特征,然后利用LLE算法对混合特征进行降维,将降维后的特征集作为MSVM分类器的输入进行训练,同时采用粒子群算法对MSVM分类器进行参数寻优.最后用训练好的模型对动态数据流进行异常模式的识别.并将所提方法与单一类型特征方法、混合特征方法的识别模型进行比较,仿真结果和应用实例表明,所提方法的识别精度较高,可用于生产过程的质量异常模式识别中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁晓莹	郑州大学商学院	5	1	1.0	1.0
2	田光杰	郑州大学商学院	3	0	0.0	0.0