欢迎访问行业研究报告数据库

行业分类

当前位置:首页 > 报告详细信息

找到报告 1 篇 当前为第 1 页 共 1

改进MDSMOTE与PSO-SVM在汽车组合仪表分类预测中的应用
作者:肖圳;何彦;李育锋;吴鹏程;刘德高;杜江; 加工时间:2022-08-16 信息来源:工程设计学报
关键词:汽车组合仪表;分类预测;改进最远点合成少数类过采样技术;支持向量机;粒子群优化
摘 要:汽车组合仪表生产过程中质检项目多且检测时间长,这在一定程度上制约了其生产效率的进一步提升。为此,提出一种基于改进最远点合成少数类过采样技术(max distance synthetic minority over-sampling technique,MDSMOTE)的支持向量机(support vector machine,SVM)分类预测方法。首先,结合专家经验对汽车组合仪表的原始生产数据进行特征筛选,并在MDSMOTE中引入类不平衡率IR,以对所筛选的特征数据进行扩充;然后,利用粒子群优化(particle swarm optimization,PSO)算法对SVM的误差惩罚因子C和核函数参数γ进行优化;最后,建立优化的SVM分类预测模型,并对汽车组合仪表进行分类。通过与其他分类预测模型在不同数据集上的预测结果进行对比可知,基于改进MDSMOTE的SVM分类预测模型的准确率、F值和几何平均值等评价指标均优于其他模型。所提出方法在汽车仪表产品分类上表现出较强的泛化能力和稳定性,可为仪表制造企业生产效率的提升提供有效参考。
内 容:原文可通过湖北省科技信息共享服务平台(http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取
© 2016 武汉世讯达文化传播有限责任公司 版权所有 技术支持:武汉中网维优
客服中心

QQ咨询


点击这里给我发消息 客服员


电话咨询


027-87841330


微信公众号




展开客服