公共文化服务平台

基于隶属度模糊最小二乘支持向量机的工序能力预测被引量：5: 2008年; 提出了一种基于隶属度模糊最小二乘支持向量机(FLS-SVM)的时间序列预测新方法。一方面,该方法较好地解决了小样本学习问题,避免了人工神经网等智能方法在对小批量生产工序能力进行预测时所表现出来的过学习、泛化能力弱等缺点;另一方面,由于对于历史数据实行的重近轻远的原则,使得该方法预测精度高且容易实现。实验表明,该方法具有很好的有效性与实用性。; 孙林杨世元吴德会; 关键词：最小二乘支持向量机时间序列

基于WLS-SVM标准差σ预测的产品过程质量控制方法研究被引量：8: 2013年; 及时、准确地预测加工过程产品质量标准差σ,对于及时判断工序状态、调整加工过程因素,进而提高产品过程质量等具有重要意义。文章提出了一种基于加权最小二乘支持向量机(WLS-SVM)的时间序列预测新方法,该方法采用了结构风险最小化原则,较好地避免了人工神经网络等智能方法在小样本学习、预测过程中存在的过学习、泛化能力弱等缺点;并采用"重近轻远"的权重设置原则,提高了预测的精度。实验表明,采用该方法对产品过程质量标准差σ进行预测切实可行,对于产品过程质量控制具有重要意义。; 孙林; 关键词：加权最小二乘支持向量机

基于模糊支持向量机的小批量生产质量智能预测方法被引量：24: 2007年; 在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.; 董华杨世元吴德会; 关键词：小批量支持向量机模糊支持向量机

基于SVM“一对一”聚类结构的滚动轴承状态诊断被引量：4: 2009年; 文章在分析比较几种诊断方法的基础上,根据滚动轴承的故障特点,建立了SVM"一对一"聚类结构并对滚动轴承故障进行诊断;该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网等智能方法在对滚动轴承状态进行诊断时所表现出来的过学习、泛化能力弱等缺点;利用SVM"一对一"聚类结构对滚动轴承故障类别进行投票,降低了单个支持向量机的误判概率;具体实验结果表明,该聚类结构对滚动轴承的故障类别具有很高的诊断精度,能够取得理想的聚类效果。; 孙林杨世元; 关键词：滚动轴承故障诊断支持向量机

最小二乘支持向量机构造的函数链接型神经网络在滚动轴承故障诊断中的应用被引量：15: 2010年; 提出一种用最小二乘支持向量机(least squares support vector machine,LS-SVM)构造函数链接型神经网络(functional link artificial neural networks,FLANN)的滚动轴承故障诊断系统。介绍了相关原理和具体算法,并给出了滚动轴承故障诊断系统模型。首先,采用LS-SVM模型核函数代替常规FLANN模型的扩展函数,避免了扩展函数选择的任意性;其次,利用LS-SVM学习模型得到FLANN权重系数,避免了BP方法多次迭代寻优存在的耗时长、局部极小及迭代设置初值依赖经验等不足;最后,构造了多层LS-SVM-FLANN结构,对多类滚动轴承故障进行诊断。具体实验表明,用LS-SVM构造FLANN的滚动轴承故障识别系统精度高、鲁棒性好、实现简单。; 孙林杨世元; 关键词：函数链接型神经网络最小二乘支持向量机故障诊断滚动轴承

基于ANN和SVM的质量预测方法研究被引量：3: 2010年; 针对随机抽取的质量数据序列的特点,提出时序空间(Time Sequence Space,TSS)的概念,将人工神经网络(Artificial Neural Network,ANN)和支持向量机(Support VectorMachine,SVM)回归模型引入质量数据预测领域,并给出了相应的过程和算法。使用均方误差对拟合精度进行检验,用相对误差对预测精度进行检验。结果表明,相对于传统的多项式回归模型,人工神经网络和支持向量机回归模型的拟合精度较高,相对误差较小,泛化能力较强,可以作为质量数据的预测方法。; 刘渤海杨世元

基于DEA方法的质量控制效率研究被引量：1: 2008年; 质量控制是生产过程质量管理的重要内容,针对质量控制过程多投入、多产出特点,我们建立了基于极小输入——极大输出DEA方法的、用于评价多个同质决策单元的优化效率评价数学模型;采用Matlab语言编程,解决了系列线性规划DEA方法效率排序问题,实验数据表明效果较好,实现了分析和控制自动化。; 苏海涛马晓伟沈毛虎; 关键词：数据包络分析

基于支持向量机的课堂教学质量评价被引量：24: 2010年; 对课堂教学质量及时、客观、准确的评价有助于及时发现教学过程中存在的问题,也是提出整改措施、实施教学管理的重要前提。传统的课堂教学质量评价方法存在着主观性大、计算繁琐以及时效性差等问题。文章在分析和研究了多种课堂教学质量评价方法的基础上,提出了基于支持向量机的课堂教学质量评价模型。理论和实验表明,该模型具有较好的评价效果,同其它方法相比,具有评价精度高、实现速度快及可操作性强等特点,适合对高校教师课堂教学质量的评价。; 刘伟孙林; 关键词：课堂教学质量支持向量机

基于SVM的柔性生产模式下生产过程质量智能预测被引量：14: 2009年; 提出了一种基于支持向量机(SVM)的柔性生产模式下生产过程质量智能预测方法.该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网络等智能方法在训练时所表现出来的过学习、泛化能力弱等缺点.实验表明:该方法具有预测精度高、速度快、容易实现等优点,为柔性生产模式下的生产过程质量预测提供了一种切实有效的方法.; 孙林杨世元; 关键词：支持向量机

X射线底片焊缝缺陷的支持向量机识别方法被引量：11: 2008年; 准确识别X射线底片焊缝缺陷类别,可改进焊接工艺、提高焊接质量.该文在分析和比较几种焊缝缺陷识别模式的基础上,提出了基于支持向量机(SVM)的X射线底片焊缝缺陷识别方法.该方法首先对X射线底片进行数字化处理和缺陷特征提取,然后针对X射线底片焊缝缺陷样本特点,建立SVM"一对一"聚类结构并对样本进行识别.实验结果表明,该模型具有识别精度高、速度快、容易实现等优点,适合对X射线底片焊缝缺陷识别.; 孙林杨世元吴德会; 关键词：X射线底片焊缝缺陷支持向量机

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(70672096)