基于支持向量机的控制图异常模式参数估计.pdfVIP

维普资讯 第6卷第 1期 福建工程学院学报 V01．6No．1 2008年 2月 JournalofFujianUniversityofTechnology Feb．2oo8 文章编号：1672—4348(2008)O1-0053一o5 基于支持 向量机的控制图异常模式参数估计 吴少雄 ，黄恩洲 (福建工程学院经济管理系，福建 福州 350014) 摘要：针对控制图5种异常模式的6个参数，提 出基于一对一算法的多类分类支持向量机的控制图 异常模式下的参数估计方法。在模型构造中采用遗传算法优化支持向量机的参数。仿真实验结果表 明，该方法结构简单，收敛速度快，具有较高的识别精度，适合于控制图异常模式的参数估计。 关键词：控制图；异常模式；支持向量机；参数估计 中图分类号：TP181：F273．2 文献标识码：A Parametersestimationforabnormalpatternsofcontrolchartsbased onsupportvectormachine WuShaoxiong，HuangEnzhou (EconomicManagementDepartment，FujinaUniversiytofTechnology，Fuzhou350014，China) Abstract：Toproperlyestimatesixparametersoffiveabnormalpatternsofcontrolchar，parameters estimationmethodforabnomrM patternsofthecontrolcharofrone-·against·o·nealgorithm multi—class classificationsupportvectormachinewaspresented．Inhtemodelingofstructure，htegeneticalgo— rithm wasusedtooptimizehteparametersofSVM．Thesimulationresultsshow thattheproposed mehtodissimple，ofquickconvergenceandhigherrecognitionrate，andapplicableinhteabnomr al patternsparametersestimationofcontrolcharts． Keywords：controlchart；abnomr alpattern ；supportvectormachine；parameterestimation 别采用 BP神经网络和决策树 (DT)与神经网络 0 引言 结合的方法对控制图异常模式进行参数估计。 控制图是统计工序质量控制的重要工具，广 支持向量机是由Vapnik等人根据统计学习 泛应用于生产现场的质量控制。控制图的模式识 理论在 20世纪90年代中期提出的一种学习算 别和异常模式下参数估计是智能工序质量控制的 法，现已广泛应用于模式识别、回归分析和特征提 2个主要方面。当输入的数据经控制图模式识别 取等领域 。与采用经验风险最小化的神经网 被诊断为失控状态时，通过对其进行参数估计，了 络相比，支持向量机采用结构风险最小化原理来 解失控的程度 ，并据以对工序做出适当的调整，以 训练样