混合分類(lèi)算法及其在質(zhì)量改進(jìn)中的應(yīng)用研究.pdf

1、質(zhì)量是制造業(yè)的生命線。當(dāng)今的制造業(yè)已經(jīng)進(jìn)入了信息化、智能化、網(wǎng)絡(luò)化的新階段，質(zhì)量分析與改進(jìn)問(wèn)題是高維、海量、復(fù)雜數(shù)據(jù)的分類(lèi)問(wèn)題。本文針對(duì)質(zhì)量分析與改進(jìn)問(wèn)題的分類(lèi)算法展開(kāi)深入研究。
　　主要研究?jī)?nèi)容及成果如下：
　　1.提出了基于ISOMAP核空間的混合流形學(xué)習(xí)與支持向量機(jī)算法
　　針對(duì)歐式空間中高維、海量、復(fù)雜質(zhì)量數(shù)據(jù)的分析與改進(jìn)問(wèn)題，提出了基于ISOMAP核空間的混合流形學(xué)習(xí)與支持向量機(jī)算法(An ISOMAP ke

2、rnel based hybrid manifold learning and support vector machines algorithm，IKML-SVM)。該算法通過(guò)等距映射(Isometric mapping，ISOMAP)核空間將ISOMAP算法與支持向量機(jī)算法(Support vector machines，SVMs)有機(jī)結(jié)合，并推導(dǎo)了該核空間上的核函數(shù)。通過(guò)UCI數(shù)據(jù)集上的實(shí)驗(yàn)，對(duì)比了無(wú)參的ISOMAP核函數(shù)與SVM

3、常用核函數(shù)在UCI數(shù)據(jù)集上的分類(lèi)表現(xiàn)，驗(yàn)證了ISOMAP核函數(shù)是IKML-SVM的最優(yōu)核函數(shù)，IKML-SVM算法是一種高效、精確和低數(shù)據(jù)質(zhì)量依賴(lài)的分類(lèi)算法。
　　2.提出了基于相異度核空間的混合流形學(xué)習(xí)與支持向量機(jī)算法
　　針對(duì)非歐空間中的質(zhì)量數(shù)據(jù)，提出了基于相異度核空間的混合流形學(xué)習(xí)與支持向量機(jī)算法(Dissimilarity based kernel space for support vector machines，

4、DKS-SVM)，作為IKML-SVM算法的補(bǔ)充。使用加常數(shù)法構(gòu)建了相異度核空間，并推導(dǎo)了該核空間上的核函數(shù)。通過(guò)在UCI數(shù)據(jù)集上的分類(lèi)精度實(shí)驗(yàn)，驗(yàn)證了DKS-SVM算法與相異度核函數(shù)的有效性。
　　3.提出了基于流形學(xué)習(xí)的決策分析算法
　　為了在低維嵌入上提取質(zhì)量改進(jìn)規(guī)則，提出了基于流形學(xué)習(xí)的決策分析算法(Decision analysis algorithm based on manifold learning，DAML

5、)。DAML算法所包含的基于等價(jià)支持子集重要度算法(Support subset significant algorithm based on equivalence relation，S3ER)能夠分析條件屬性對(duì)決策屬性的重要度、區(qū)分能力和等價(jià)支持子集，最后根據(jù)等價(jià)支持子集提取決策規(guī)則。通過(guò)在UCI數(shù)據(jù)集上的實(shí)驗(yàn)，驗(yàn)證了DAML算法在低維嵌入上提取決策規(guī)則的有效性。
　　4.某航空企業(yè)案例研究
　　將 IKML-SVM算法