基于非線性降維的復雜輪廓異常點識別方法研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、基于非線性降維的復雜輪廓異常點識別方法研究DetectingOutliersinComplexProfileswithNonlinearReductionMethods專業(yè):笪理型堂皇王猩作者姓名:奎塞亞指導教師:聶筮副數攮管理與經濟學部2015年12月摘要隨著質量認識與以控制圖為主導的統(tǒng)計思想的深入,質量管理進入到統(tǒng)計質量控制階段,統(tǒng)計方法逐漸滲透進管理質量中設計、制造、裝配、服務全過程。進入21世紀后,統(tǒng)計過程控制在得到廣泛應用后繼

2、續(xù)細分,對產品或者服務進行具有相關關系的多重質量特性監(jiān)控的輪廓監(jiān)控便是其中一個很重要的分支。SPC過程一般被分為兩個階段:第一階段是以采集到的歷史數據作為基礎,提取穩(wěn)定有效的數據,建立穩(wěn)定狀態(tài)模型;第二階段根據已有的模型,在制造過程中對實時數據逐個進行分析,及時發(fā)現動態(tài)過程中的變異,調整過程狀態(tài)。在輪廓監(jiān)控第一階段中,現有的監(jiān)控方法已較為成熟,但是當一組輪廓的維度過高且參數擬合困難時,這些識別方法很難取得良好的效果。因此,為降低這類輪廓

3、監(jiān)控難度、提高異常點識別準度,本文在采用非參數方法進行第一階段處理前進行降維處理。異常點識別是第一階段輪廓監(jiān)控里的重要部分,是正確模型構建的必要前序工作。異常點的存在容易造成分析錯誤,如以此基礎建立模型,將嚴重影響到第二階段的判斷。因此在進行第一階段歷史數據建模前,篩選并剔除異常點是有必要的。礦控制圖是現有的效果比較明顯的異常點識別方法,并且對數據的限制比較低,適合用于情況復雜的輪廓監(jiān)控。本文引入基于流形學習的非線性降維技術,并與礦控制

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論