论文部分内容阅读
为提高动态过程异常模式的监控效率，提出基于多特征混合与多分类支持向量机的动态过程质量异常模式识别模型。采用离散小波变换提取原始数据的低频近似系数和重构数据特征；抽取重构数据的形状特征并与低频近似系数进行混合，形成质量模式的混合特征；采用粒子群优化的多分类支持向量机进行异常模式识别。仿真实验表明，所提出的识别模型比采用单一类型特征或融合特征的整体识别精度均有显著提高，且大大降低了模型训练时间。