| 基于局部特征提取的有监督的流形学习方法 |
| |
| 引用本文： | 黎敏,杨孟瑶,陈泽,赵启东. 基于局部特征提取的有监督的流形学习方法[J]. 机械工程学报, 2017, 53(24): 211-220. DOI: 10.3901/JME.2017.24.211 |
| |
| 作者姓名： | 黎敏 杨孟瑶 陈泽 赵启东 |
| |
| 作者单位： | 1. 北京科技大学机械工程学院 北京 100083;2. 北京科技大学钢铁共性技术协同创新中心 北京 100083 |
| |
| 基金项目： | 十二五科技支撑计划（2015BAF30B01）和省部共建耐火材料与冶金国家重点实验室开放基金（G201704）资助项目。 |
| |
| 摘 要： | 为了提高工业产品的质量，提出一种基于局部特征提取的有监督的流形学习方法，用于工业生产过程中工艺参数的调整和优化。利用“多类邻域搜索”策略对每个样本点寻找邻域矩阵，对邻域矩阵进行特征分解，获得每个样本点的演化矢量，进而可以求得潜含在数据内部的主流形。另一方面，利用训练样本建立基于支持矢量数据描述的监控模型，对工艺过程进行监控。当发现异常样本时，将异常样本在主流形方向上进行投影，可以得到各个工艺参数的调整量，由此可将异常样本调控回到生产受控状态。利用IF钢实际生产过程数据进行验证，结果表明：新方法能有效提取出数据内部的流形结构，并通过主流形实现对工艺参数的调整，为实际生产过程提供了一种新的工艺参数优化方法。
|
| 关 键 词： | 产品质量建模 工艺参数优化 局部特征提取 有监督流形学习 |
| 收稿时间： | 2016-12-15 |
Supervised Manifold Learning Method Based on Local Feature Extraction |
| |
| LI Min,YANG Mengyao,CHEN Ze,ZHAO Qidong. Supervised Manifold Learning Method Based on Local Feature Extraction[J]. Chinese Journal of Mechanical Engineering, 2017, 53(24): 211-220. DOI: 10.3901/JME.2017.24.211 |
| |
| Authors: | LI Min YANG Mengyao CHEN Ze ZHAO Qidong |
| |
| Affiliation: | 1. School of Mechanical Engineering, University of Science and Technology Beijing, Beijing 100083;2. Collaborative Innovation Center of Steel Technology, University of Science and Technology Beijing, Beijing 100083 |
| |
| Abstract: | |
| |
| Keywords: | local feature extraction parameters optimization product quality modeling supervised manifold learning |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《机械工程学报》浏览原始摘要信息 |
|
点击此处可从《机械工程学报》下载全文 |
