位置:成果数据库 > 期刊 > 期刊详情页
基于融合特征与支持向量机的控制图模式识别
  • ISSN号:1001-3695
  • 期刊名称:《计算机应用研究》
  • 时间:0
  • 分类:TP391.4[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术] TH165.4[机械工程—机械制造及自动化]
  • 作者机构:[1]重庆理工大学机械工程学院工业工程系,重庆400054
  • 相关基金:国家自然科学基金重点资助项目(51035001)
中文摘要:

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;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。

英文摘要:

Abstract: In order to improve the accuracy of control chart patterns recognition (CCPR), this paper proposed a new CCPR method, which extracted shape features from control chart pattern to make them fused with the raw features, i.e. the raw data of control chart pattern, and then based on that to execute pattern classification with support vector machine (SVM). The fu- sion of features effectively enhanced the discrimination between different patterns by means of strengthening the local geomet- rical properties of confusable patterns with shape features as well as keeping the global property information contained in raw features of each control chart pattern. Moreover, the used of SVM as classifier ensures this method a well recognition perform- ance even under a condition of high dimension feature and small training sample number. The results of simulation experiments demonstrate that the proposed method can get an improved recognition accuracy compared with several other CCPR methods based on shape features.

同期刊论文项目
期刊论文 174 会议论文 21 专利 20 著作 2
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049