基于融合特征与支持向量机的控制图模式识别.pdf

《基于融合特征与支持向量机的控制图模式识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第３１卷第３期计算机应用研究Ｖｏｌ．３１Ｎｏ．３２０１４年３月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＭａｒ．２０１４基于融合特征与支持向量机的控制图模式识别宋李俊，赵虎（重庆理工大学机械工程学院工业工程系，重庆４０００５４）摘要：为了提高控制图模式识别的精度，将控制图模式的原始特征与形状特征相融合得到分类特征，并采用支持向量机进行模式分类的控制图模式识别。融合所得特征既保持了控制图模式的原始特征所蕴涵的模式全局特性信息，又通过引入形状特征对部分易混淆模式的局部几何特性进行强化，使不同模式间的区分度得到有效提高；

2、而以支持向量机作为模式分类器保证方法在高维度特征和小样本条件下也能获得较好的识别性能。仿真实验结果表明所提方法的识别精度相比其他几种基于形状特征的控制图模式识别方法有明显提高。关键词：控制图模式识别；特征提取；原始特征；形状特征；特征融合；支持向量机中图分类号：ＴＰ３９１．４；ＴＨ１６５．４文献标志码：Ａ文章编号：１００１３６９５（２０１４）０３０９３７０５ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１４．０３．０７２Ｒｅｃｏｇｎｉｔｉｏｎｏｆｃｏｎｔｒｏｌｃｈａｒｔｐａｔｔｅｒｎｓｂａｓｅｄｏｎｆｅａｔｕｒｅ

3、ｆｕｓｉｏｎｗｉｔｈｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅＳＯＮＧＬｉｊｕｎ，ＺＨＡＯＨｕ（ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０００５４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｃｏｎｔｒｏｌｃｈａｒｔｐａｔｔｅｒｎｓｒｅｃｏｇｎｉｔｉｏｎ（ＣＣＰＲ），ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗＣＣＰＲｍｅｔｈｏｄ，ｗｈｉｃｈｅｘｔｒａｃｔｅｄｓｈａｐｅｆｅａｔｕｒｅｓｆｒ

4、ｏｍｃｏｎｔｒｏｌｃｈａｒｔｐａｔｔｅｒｎｔｏｍａｋｅｔｈｅｍｆｕｓｅｄｗｉｔｈｔｈｅｒａｗｆｅａｔｕｒｅｓ，ｉ．ｅ．ｔｈｅｒａｗｄａｔａｏｆｃｏｎｔｒｏｌｃｈａｒｔｐａｔｔｅｒｎ，ａｎｄｔｈｅｎｂａｓｅｄｏｎｔｈａｔｔｏｅｘｅｃｕｔｅｐａｔｔｅｒｎｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）．Ｔｈｅｆｕｓｉｏｎｏｆｆｅａｔｕｒｅｓｅｆｆｅｃｔｉｖｅｌｙｅｎｈａｎｃｅｄｔｈｅｄｉｓｃｒｉｍｉｎａｔｉｏｎｂｅｔｗｅｅｎｄｉｆｆｅｒｅｎｔｐａｔｔｅｒｎｓｂｙｍｅａｎｓｏｆｓｔｒｅｎｇｔｈｅｎｉｎ

5、ｇｔｈｅｌｏｃａｌｇｅｏｍｅｔｒｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆｃｏｎｆｕｓａｂｌｅｐａｔｔｅｒｎｓｗｉｔｈｓｈａｐｅｆｅａｔｕｒｅｓａｓｗｅｌｌａｓｋｅｅｐｉｎｇｔｈｅｇｌｏｂａｌｐｒｏｐｅｒｔｙｉｎｆｏｒｍａｔｉｏｎｃｏｎｔａｉｎｅｄｉｎｒａｗｆｅａｔｕｒｅｓｏｆｅａｃｈｃｏｎｔｒｏｌｃｈａｒｔｐａｔｔｅｒｎ．Ｍｏｒｅｏｖｅｒ，ｔｈｅｕｓｅｄｏｆＳＶＭａｓｃｌａｓｓｉｆｉｅｒｅｎｓｕｒｅｓｔｈｉｓｍｅｔｈｏｄａｗｅｌｌｒｅｃｏｇｎｉｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｅｖｅｎｕｎｄｅｒａｃｏｎｄｉｔｉｏｎｏｆｈｉｇｈｄｉｍｅｎｓｉｏ

6、ｎｆｅａｔｕｒｅａｎｄｓｍａｌｌｔｒａｉｎｉｎｇｓａｍｐｌｅｎｕｍｂｅｒ．ＴｈｅｒｅｓｕｌｔｓｏｆｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｇｅｔａｎｉｍｐｒｏｖｅｄｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｃｏｍｐａｒｅｄｗｉｔｈｓｅｖｅｒａｌｏｔｈｅｒＣＣＰＲｍｅｔｈｏｄｓｂａｓｅｄｏｎｓｈａｐｅｆｅａｔｕｒｅｓ．Ｋｅｙｗｏｒｄｓ：ｃｏｎｔｒｏｌｃｈａｒｔｐａｔｔｅｒｎｓｒｅｃｏｇｎｉｔｉｏｎ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ｒａｗｆｅａｔｕｒｅｓ；ｓｈａｐｅｆ

7、ｅａｔｕｒｅｓ；ｆｅａｔｕｒｅｆｕｓｉｏｎ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ［３］能反映模式本质的某种数据组合，如频率计数特征、统计特(引言［４］［５］征、形状特征等。特征提取使得不同类别模式的相应特性凸显出来，同时还大大降低了分类特征维度，有利于简化模控制图作为ＳＰＣ（ｓｔａｔｉｓｔｉｃａｌｐｒｏｃｅｓｓｃｏｎｔｒｏｌ）的基本工具，以式分类器的结构和提高其训练效率。但是找到能有效覆盖模统计学的显著性检验原理为理论基础，一直被广泛应用于生产式全部分类特性的完备特征集具有相当难度，如果提取特征不过程中捕捉质量异常波动。随着技术的

8、发展，控制图的应用不足则会损失模式的一些特性信息，反而削弱模式间的区分度，再局限于单纯通过控制界限来判定过程质量是否出现异常，而发展到对控制图进行模式识别以判定异常类型，进而辅助质量导致控制图模式识别的精度降低。管理者迅