基于改進支持向量機的產(chǎn)品質(zhì)量預測研究

《基于改進支持向量機的產(chǎn)品質(zhì)量預測研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、＇．—：．＇、＇：；；非號１５：Ｓ１；：?？记勺鳎颍牐?，乂茂若媒．；巧．毛＃－＇．－．．自．乃．＞篆夢鋪宇濁這Ｃ接於弟Ｋ．ｒ．鱗義／‘’■＇．．＇＇．＇；＇．．＇＾為鉛社：：？．＞：巧：訊均只游祭學乎枉冷又文＾，４．＇：巧爆．？＇＂．‘麵‘＇－轉(zhuǎn)＇獨矜＇：－■－古－．＇＇：子＇斯＇■－ｙ．－書貨＞－；、ｒ楚．）：，？７ｊ知＂＂＇韻＇；．＾．Ｍ＃謬：：ｉｉｉ班變；ｖ裹新：若；４Ｉ駕２；＾追于改進支持向量機的產(chǎn)品質(zhì)量預測研究，裳辦、。’‘＇－：＊：．‘．心ｖ；－瓊．？數(shù)若叛

2、‘；，尸＾．、乂５給．ｉ：；養(yǎng)ｆ舉＇＇■＇＇■＾■－－－＇－－＊＾？ｈ．＼ｉ＾＼？＾Ｓ＾：＾－；．；．ｖ？’．＇：；苗責；．側(cè)；：／馬姆賤ｆ舉ｆ纖：矜．江偉Ｓｌｇｌ；若舍＾潔戈斬皆柄護＾詩雜赫耀雙翻穩(wěn)勢蒙機寒場弓苗指導教師姓名：董＃黃副教接東化林業(yè)大學＇‘＾：申請學位級別：碩：±：學科專業(yè)手；：管理茜學與工?。簦?；１＇護／交曰期：２０化年４月論文答辯曰期：２０１６年６丹蘇？：＜論文提；皆）義＾’受予學位單位＾：剝誠業(yè)大學授予學位日期：２０１６年６月＾３

3、；＇’＇＇’乂！拓＇＾、：＇．ｒ．七答辯委員會主席：秦：－．．．；．．：ｈ１黃秦戶；－，論文評閱人；入：崔。攀璋．＇．＇．．，＇－打‘／‘＇－，Ｖ分心ＶＶ－：Ｖ巧占．若＇、＇ｆ．．次！鉛．著濟乃讓雜Ｖ如抑球爭琴：曲讀，請巧終Ｉ學校代碼；１０２２５學號；Ｓ１６５１５學化冷文基于改進支持向量機的產(chǎn)品質(zhì)量預測研究斬江偉指導教師姓名：董春芳副教授斜晰業(yè)大學：申請學位級別碩±學科專業(yè)：管理科學與工程論文提交日期：２０１６年４月論文答辯日期：２０１６年６月授予學

4、位單位：東北林業(yè)大學授予學位日期：２０１６年６月答辯委員會主席：論文評閱人；ＵｎｉｖｅｒｓｉｔｙＣｏｄｅ：１０２２５ＲｅｉｓｔｅｒＣｏｄｅ；Ｓ１６５１５ｇＤｉｓｓｅｒｔａｔｉｏｎｆｏｒｔｈｅＤｅｒｅｅｏｆＭａｓｔｅｒｇＲｅｓｅａｒｃｈＯｎＰｒｏｄｕｃｔｕａｌｉｔＰｒｅ出ｃｔｉｏｎＢａｓｅｄＯｎＱｙＩｍｐｒｏｖｅｄＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅＣａｎｄｉｄａｔｅ：ＪｉｎＪｉａｎｇｗｅｉＳｕｐｅｒｖｉｓｏｒ：ＤｏｎｇＣｈｕｎｆａｎｇＡｓｓｏｅ

5、ｉａ化Ｓｕｅｒｖｉｓｏｒ：ｐＡｃａｄｅｍｉｃＤｅｇｒｅｅＡｐｐｌｉｅｄ化ｒ：ＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｅｃａｎａｅｍｅｎｃｉｅｎｃｅａｎｄＥｎｎｅｅｎＳｐｉａｌｉｔｙ：ＭｇｔＳｇｉｒｉｇＤａｔｅｏｆＯｒａｌＥｘａｍｉｎａｔｉｏｎ：Ｊｕｎｅ２０１６，Ｕｎｉｖｅｒｓｉｔ；ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒＵｎｉｖｅｒｓｉｔｙｙｙｔ＾摘要一質(zhì)量預測是質(zhì)量控制的關鍵環(huán)節(jié)，是個動態(tài)的系統(tǒng)工程。生產(chǎn)過程中多種高維非線性、隨機性因素會對產(chǎn)品質(zhì)量產(chǎn)生重要影響，因

6、而建立高精度的產(chǎn)品質(zhì)量預測模型對提高產(chǎn)品質(zhì)量控制能力、降低生產(chǎn)成本具有重要意義。目前，產(chǎn)品質(zhì)量預測模型的建立一一方法主要有兩種：種是機理建模方法，另種是數(shù)據(jù)挖掘方法。由于造成質(zhì)量波動的眾多隨機性、不確定性因素之間存在著復雜的非線性關系，難Ｗ進行確切表達，致使機理建模較為困難，因此采用數(shù)據(jù)挖掘算法建立質(zhì)量預測模型的方法被廣泛應用。然而傳一統(tǒng)的統(tǒng)計質(zhì)量控制必須基于定的統(tǒng)計規(guī)則，而且該方法不能滿足對多種模式進行識別的需要一，應用于產(chǎn)品質(zhì)量預測時存在定的局限性。近年來，人工智能算法取得了迅速發(fā)展，并且被廣泛應用于

7、非線性系統(tǒng)的建模與辨識一種建立在統(tǒng)計學習ＶＣ維理論和結(jié)構風險最小化原則基礎上的新。支持向量化作為型機器學習方法，在解決非線性和高維模式識別問題等方面具有較強優(yōu)勢，被廣泛應用于模式識別、非線性回歸、時間序列預測等方面。針對產(chǎn)品質(zhì)量預測過程的兩類問題，。對是否考慮質(zhì)量模型的內(nèi)在機理，分類建立了改進的支持向量機產(chǎn)品質(zhì)量預測模型首先，針對能夠確定具體影響因素，具有確定輸入輸出關系的多因素產(chǎn)品質(zhì)量模型，引入灰色關聯(lián)分析方法作為屬性預處理器，選取關鍵質(zhì)量影響因素，采用網(wǎng)格捜索算法進行模型參數(shù)尋優(yōu)，建立了基于灰色關聯(lián)支

8、持向量機的多因素產(chǎn)品質(zhì)量預測模型其次，針；，難Ｗ辨識產(chǎn)品質(zhì)量過程或者難ｙ，對模型未知■確定輸入輸出關系的質(zhì)量模型基于生產(chǎn)歷史數(shù)據(jù)建立產(chǎn)品的質(zhì)量預測模型，引入相空間重構理論對時間序列進行向量空間重構，汲取遺傳算法的優(yōu)勢特性進