• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>ISA Transactions >A novel approach for recognition of control chart patterns: Type-2 fuzzy clustering optimized support vector machine
【24h】

A novel approach for recognition of control chart patterns: Type-2 fuzzy clustering optimized support vector machine

机译：一种识别控制图模式的新颖方法：Type-2模糊聚类优化支持向量机

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Unnatural patterns in the control charts can be associated with a specific set of assignable causes for process variation. Hence, pattern recognition is very useful in identifying the process problems. In this study, a multiclass SVM (SVM) based classifier is proposed because of the promising generalization capability of support vector machines. In the proposed method type-2 fuzzy c-means (T2FCM) clustering algorithm is used to make a SVM system more effective. The fuzzy support vector machine classifier suggested in this paper is composed of three main sub-networks: fuzzy classifier sub-network, SVM sub-network and optimization sub-network. In SVM training, the hyper-parameters plays a very important role in its recognition accuracy. Therefore, cuckoo optimization algorithm (COA) is proposed for selecting appropriate parameters of the classifier. Simulation results showed that the proposed system has very high recognition accuracy. (C) 2016 ISA. Published by Elsevier Ltd. All rights reserved.
机译：控制图中的异常模式可能与过程变化的一组特定的可分配原因相关联。因此，模式识别对于识别过程问题非常有用。在本研究中，由于支持向量机具有广阔的泛化能力，因此提出了一种基于多类SVM（SVM）的分类器。在所提出的方法中，使用2型模糊c均值（T2FCM）聚类算法来使SVM系统更有效。本文提出的模糊支持向量机分类器由三个主要子网络组成：模糊分类器子网络，支持向量机子网络和优化子网络。在SVM训练中，超参数在其识别准确性中起着非常重要的作用。因此，提出了杜鹃优化算法（COA），用于选择分类器的适当参数。仿真结果表明，该系统具有很高的识别精度。 （C）2016 ISA。由Elsevier Ltd.出版。保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号