Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

27.08.2018 | Theoretical Advances

Recognition of mixture control chart patterns based on fusion feature reduction and fireworks algorithm-optimized MSVM

Zeitschrift:
Pattern Analysis and Applications
Autoren:
Min Zhang, Yi Yuan, Ruiqi Wang, Wenming Cheng

Abstract

Unnatural control chart patterns (CCPs) can be associated with the quality problems of the production process. It is quite critical to detect and identify these patterns effectively based on process data. Various machine learning techniques to CCPs recognition have been studied on the process only suffer from basic CCPs of unnatural patterns. Practical production process data may be the combination of two or more basic patterns simultaneously in reality. This paper proposes a mixture CCPs recognition method based on fusion feature reduction (FFR) and fireworks algorithm-optimized multiclass support vector machine (MSVM). FFR algorithm consists of three main sub-networks: statistical and shape features, features fusion and kernel principal component analysis feature dimensionality reduction, which make the features more effective. In MSVM classifier algorithm, the kernel function parameters play a very significant role in mixture CCPs recognition accuracy. Therefore, fireworks algorithm is proposed to select the two-dimensional parameters of the classifier. The results of the proposed algorithm are benchmarked with popular genetic algorithm and particle swarm optimization methods. Simulation results demonstrate that the proposed method can gain the higher recognition accuracy and significantly reduce the running time.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Premium Partner

    Bildnachweise