一种基于多类SVM的混合型异常模式识别新方法
控制图是统计质量控制(SQC)的重要工具，而存在于控制图中的混合异常模式识别是在线工序质量诊断技术的难点之一。在分析现有控制图识别器在实际应用中存在缺陷的基础上，提出了一种利用多类支持向量机(MSVM)特殊结构的智能过程诊断新方法。在该模型中，首先使用二叉决策树来识别受控过程样本，取得较高的在线识别速度;然后，利用OVO分解的多类SVM分类器实现对5类单特征异常模式的识别;最后，充分利用了传统投票策略中的不可分区域，实现了控制图中混合异常模式的识别。数字实验结果表明所提方法具有较好的识别率，并能有效解决混合异常模式的识别问题。因此该方法可对小批量生产过程的在线诊断和控制提供有效支持。
控制图 多类支持向量机 异常模式识别 不可分区域
吴德会
数字控制技术与应用江西省重点实验室,九江学院,江西九江 332005 电力系统国家重点实验室,清华大学,北京 100084
国内会议
重庆
中文
619-623
2010-10-21（万方平台首次上网日期，不代表论文的发表时间）