基于PCA和神经网络的识别方法研究  

Recognition method based on principal component analysis and neural network

作　　者：杨静[1] 毛宗源[1] 

机构地区：[1]华南理工大学自动化科学与工程学院

出　　处：《计算机工程与应用》2007年第25期246-248,共3页Computer Engineering and Applications

摘　　要：在计算机集成制造系统环境下,质量控制图是统计过程控制的重要工具,实际应用中最困难的是识别出控制图中由于异常因素造成的不同异常模式。针对这一问题展开研究,用主成分分析法作为前处理过程进行样本集的选择与优化,提出了基于PCA_改进BP算法的控制图模式智能识别方法。Quality Control Charts is an important tool of Statistical Process Control（SPC） under the Contemporary Integrated Man ufacturing System（CIMS） environment,and in practice it is most difficult to identify unnatural patterns which are associated with a specific set of assignable causes on Quality Control Charts.This paper discusses about control charts pattern,and then proposes intelligent recognition method based on principal component analysis and neural network,The principal component analysis is used to process the sample data.

关 键 词：质量控制图 主成分分析 神经网络 模式识别 

分 类 号：TH165[机械工程—机械制造及自动化]