动态过程质量异常模式ANN-SVM识别模型及仿真分析 |
| |
引用本文: | 刘玉敏,周昊飞.动态过程质量异常模式ANN-SVM识别模型及仿真分析[J].统计与决策,2016(9):35-38. |
| |
作者姓名: | 刘玉敏 周昊飞 |
| |
作者单位: | 郑州大学商学院,郑州,450001 |
| |
基金项目: | 国家自然科学基金资助项目(71272207,61271146) |
| |
摘 要: | 为简化ANN网络结构、降低MSVM识别的复杂度,提高动态过程质量异常模式识别效率,文章提出了基于ANN-SVM的动态过程质量异常模式识别模型.首先,在ANN分类器中应用均值特征把整体变化趋势上具有相似性的六种质量模式划分为三大类别.其次,利用SVM分类器对这三类进行再识别.应用均值特征构建的ANN网络结构简单,无需对其进行参数优化,并且ANN分类器将多分类问题转化为三个两分类问题,降低了MSVM的分类数.仿真结果表明:所提出的识别模型比单一采用ANN或MSVM分类器的整体识别精度均有显著提高,且大大缩减了模型训练时间.
|
关 键 词: | 动态过程 质量异常模式 小波分解 均值特征 神经网络 支持向量机 |
本文献已被 万方数据 等数据库收录! |
|