2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩143頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、質(zhì)量的定義是:一組固有特性,滿足要求的程度。從上述定義中可以看出對產(chǎn)品質(zhì)量的監(jiān)控就是對一組特征的監(jiān)控。在早期,人們往往關(guān)注產(chǎn)品單個主要特征,這類針對單個特征的監(jiān)控方法就是單變量監(jiān)控方法。但是在現(xiàn)實(shí)生活中,人們對產(chǎn)品的需求一般會表現(xiàn)為多個方面,這樣,產(chǎn)品的監(jiān)控就變?yōu)閷Χ鄠€變量的監(jiān)控。最簡單也是最自然的解決方法是對多個變量分別進(jìn)行單變量監(jiān)控,但是這種方法的監(jiān)控效率會隨著變量數(shù)的增加而下降,而且有時甚至?xí)玫藉e誤的結(jié)論,因此需要對多個變量聯(lián)合

2、監(jiān)控。
  傳統(tǒng)的多變量控制圖是基于正態(tài)假設(shè)設(shè)計(jì)的,在數(shù)據(jù)服從正態(tài)分布時可以取得比較理想的效果,而當(dāng)數(shù)據(jù)不服從正態(tài)分布時,傳統(tǒng)多變量控制圖往往表現(xiàn)較差,此時一些基于數(shù)據(jù)挖掘方法的現(xiàn)代多變量控制圖往往會有更好的表現(xiàn)。不過基于非正態(tài)數(shù)據(jù)設(shè)計(jì)的控制圖往往有其特定的針對性,因而在其針對的數(shù)據(jù)類型時有較好表現(xiàn),但是在其他情形下容易失效。如果將受控狀態(tài)和失控狀態(tài)的數(shù)據(jù)看成兩類,那么在這兩類數(shù)據(jù)都可以獲得的時候,一分類問題將監(jiān)控問題變成了分類問

3、題。但在傳統(tǒng)的監(jiān)控問題中,失控數(shù)據(jù)往往無法獲取。人工對照方法(artificial contrast)通過人工生成失控數(shù)據(jù)解決這個問題,但是這種方法的監(jiān)測性能受人工生成數(shù)據(jù)的影響比較大,實(shí)時對照方法(real-time contrast)的出現(xiàn)避免了這個問題,此時不再對新樣本進(jìn)行分類而是監(jiān)測分類產(chǎn)生的其它統(tǒng)計(jì)量,如分類準(zhǔn)確率,這樣可以提高控制圖的監(jiān)測能力。本文將距離引入實(shí)時對照監(jiān)控框架,主要有以下貢獻(xiàn):
 ?。?)將基于LDA的距

4、離引入控制圖的設(shè)計(jì)并對參數(shù)進(jìn)行分析。作為一種常用的分類器,線性判別分析(LDA)的基本思想是尋找分離超平面將不同類數(shù)據(jù)分離,在數(shù)據(jù)滿足正態(tài)性假設(shè)時常常有較好的表現(xiàn),由于對位于分離超平面同一側(cè)的點(diǎn)同樣對待,基于分類的統(tǒng)計(jì)量的靈敏性會比較差。在RTC框架下以點(diǎn)到LDA的分離超平面的距離設(shè)計(jì)LDA-D、LDA-D?和LDA-D?三個控制圖,并與基于概率的LDA-a?、LDA-p?和LDA-p?控制圖進(jìn)行比較。之后研究參數(shù)設(shè)置對控制圖的影響。<

5、br>  (2)將基于KLDA的距離引入控制圖的設(shè)計(jì)。LDA在數(shù)據(jù)線性可分的時候可以取得較好的效果,但在數(shù)據(jù)線性不可分時效果較差,這個時候非線性分類器的優(yōu)越性就體現(xiàn)出來。核技術(shù)的本質(zhì)就是通過數(shù)據(jù)變換將原始數(shù)據(jù)映射到更高維的空間,這樣就可以將原來線性不可分的數(shù)據(jù)在高維空間中線性可分,將核方法應(yīng)用到LDA上得到的KLDA分類方法。在RTC框架下基于點(diǎn)到KLDA的分離曲面的距離設(shè)計(jì)KLDA-D?和KLDA-D?兩個控制圖,基于KLDA對受控樣

6、本分類準(zhǔn)確率設(shè)計(jì) KLDA-a?控制圖,在數(shù)據(jù)不服從多元正態(tài)分布時對構(gòu)建的KLDA-D?、KLDA-D?和 KLDA-a?控制圖的監(jiān)測性能進(jìn)行分析,為了便于比較,選擇 SVDD控制圖作為參照。
 ?。?)將KL散度和加權(quán)KL散度引入控制圖的設(shè)計(jì)。在信息論和概率論中,KL散度常被用來測度兩個概率分布之間的差異,所以也被稱為KL距離。在RTC框架下基于KL散度設(shè)計(jì)KLD控制圖,在數(shù)據(jù)不服從多元正態(tài)分布時對構(gòu)建的KLD控制圖的監(jiān)測性能進(jìn)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論