基于随机森林的统计控制图模式识别研究

论文摘要

引入随机森林方法进行统计控制图模式识别的研究。提取了控制图的统计特征和形状特征,设计了5种不同的特征组合方法,利用蒙特卡洛仿真方法产生训练数据集和测试数据集,选取了常用的3种模式识别方法(支持向量机方法、人工神经网络方法、决策树方法)进行对比。实验结果表明,随机森林方法相比其他3种分类器方法,在分类准确率和消耗时间两个维度上都有明显优势,可以应用于统计过程控制图模式识别。

论文目录

• 1 特征选择
•   1.1 统计特征
•   1.2 形状特征
•   1.3 特征组合
• 2 随机森林
• 3 仿真验证
•   3.1 仿真数据产生
•   3.2 仿真过程及结果
• 4 总结

文章来源

类型: 期刊论文

作者: 王海燕,侯琳娜

关键词: 统计控制图,模式识别,支持向量机,决策树,人工神经网络,随机森林

来源: 工业工程 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,经济与管理科学,基础科学,信息科技

专业: 数学,工业通用技术及设备,自动化技术

单位: 北京信息科技大学机电工程学院,西安理工大学经济与管理学院

基金: 北京市教委资助项目(71E1610959),西安理工大学基金项目资助(105-451118023)

分类号: TP18;TB114.2

页码: 118-125

总页数: 8

文件大小: 595K

下载量: 174