| 铸坯质量缺陷预测的特征降维方法研究 |
| |
| 作者姓名： | 李文深 容芷君 但斌斌 |
| |
| 作者单位： | 1. 武汉科技大学冶金装备及其控制教育部重点实验室,湖北 武汉,430081;2. 武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉,430081,1. 武汉科技大学冶金装备及其控制教育部重点实验室,湖北 武汉,430081;2. 武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉,430081,1. 武汉科技大学冶金装备及其控制教育部重点实验室,湖北 武汉,430081;2. 武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉,430081 |
| |
| 基金项目： | 国家自然科学基金资助项目(51475340). |
| |
| 摘 要： | 为提高铸坯质量预测的准确率,本文提出了一种基于最大信息系数(MIC)和主成分分析(PCA)的两阶段特征降维方法。采集某钢厂铸坯生产过程数据,根据冶金原理得到铸坯夹杂类质量缺陷的影响因素,构造原始特征集。第一阶段进行特征选择,使用随机森林分类器的分类准确率来评价ReliefF、IG和MIC三种算法的特征选择效果,结果显示,基于MIC度量指标选出的特征维度更低、分类准确率更高。第二阶段使用PCA方法对特征选择后的特征集进行降维,并将其与原始特征集、MIC、PCA算法的分类准确率进行比较,结果表明,本文提出的基于MIC和PCA的两阶段降维方法优于其他算法,能有效降低原始特征集的维度并提高对铸坯夹杂类质量缺陷的预测精度。
|
| 关 键 词： | 铸坯 质量预测 最大信息系数 主成分分析 特征降维 |
| 收稿时间： | 2019/12/30 0:00:00 |
Method for feature dimensionality reduction to predict billet quality defects |
| |
| Authors: | Li Wenshen Rong Zhijun and Dan Binbin |
| |
| Institution: | 1. Key Laboratory of Metallurgical Equipment and Control Technology of Ministry of Education, Wuhan University of Science and Technology, Wuhan 430081, China;2. Hubei Key Laboratory of Mechanical Transmission and Manufacturing Engineering, Wuhan University of Science and Technology, Wuhan 430081, China,1. Key Laboratory of Metallurgical Equipment and Control Technology of Ministry of Education, Wuhan University of Science and Technology, Wuhan 430081, China;2. Hubei Key Laboratory of Mechanical Transmission and Manufacturing Engineering, Wuhan University of Science and Technology, Wuhan 430081, China and 1. Key Laboratory of Metallurgical Equipment and Control Technology of Ministry of Education, Wuhan University of Science and Technology, Wuhan 430081, China;2. Hubei Key Laboratory of Mechanical Transmission and Manufacturing Engineering, Wuhan University of Science and Technology, Wuhan 430081, China |
| |
| Abstract: | |
| |
| Keywords: | billet quality prediction MIC PCA feature dimensionality reduction |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《》浏览原始摘要信息 |
| 点击此处可从《》下载免费的PDF全文 |
|
