基于梯度下降法的組合分類器在質量診斷中的應用研究.pdf

1、在現代社會，作為企業(yè)生命的質量已經成為贏得市場和獲取利潤的手段，統(tǒng)計過程控制正是產生于這種背景下。作為監(jiān)控生產過程的手段，質量診斷已成為當前的研究熱點之一。在眾多監(jiān)測過程有效性的工具中，控制圖最為經典、有效。實踐早期，由于技術手段的限制人們只能對少數幾個顯著影響產品質量的質量特性進行監(jiān)控。由于該時期理論上假設各個變量是相互獨立的，因此可以每個變量分別采用的傳統(tǒng)控制圖，此時的質量診斷方法并不能從真正實現產品質量的飛躍。隨著實踐的發(fā)展，實踐

2、者開始使用關聯(lián)控制圖對生產進行監(jiān)控，但是由于質量特性間的組合數太多，導致實踐上的難以實施。
　　 在理論界，當HotellingT2控制圖發(fā)出失控信號時，怎么追溯具體的失控變量已經成為亟待研究的問題。國內外學者提出了許多質量診斷的方法，如基于主成分分析的診斷方法，MYT分解法，基于神經網絡的診斷方法以及基于支持向量機的診斷方法等。盡管學術界已經提出了不少多變量質量診斷方法，然而它們總有這樣或那樣的不足之處。
　　 本文在

3、廣泛總結前人的研究成果基礎上，選取兩層樹深四個葉子節(jié)點的分類回歸樹作為基函數，將最速下降法和組合分類器結合起來，通過不斷地優(yōu)化下一代分類器的各個參數，以實現各個分類器能夠更好地互補，提出了基于梯度下降法的組合分類器，并給出該方法進行診斷的流程。通過實例研究和比較，在診斷準確性方面，本文的方法要優(yōu)于多層感知神經網和多變量休哈特控制圖。最后，我們對本文的方法進行了適當的改進，取得了良好地效果。從實踐的角度，本文的研究成果具有指導生產的意義，