[发明专利]基于GNA-XALO-SVM的柴油机装配质量异常模式识别方法

摘要

本发明公开一种基于GNA‑XALO‑SVM的柴油机装配质量异常模式识别方法，采用蒙特卡洛仿真装配间隙的6种模式数据，组成初始数据集矩阵Xn×m，对初始数据集矩阵Xn×m设置缺失值，获得含有缺失值的缺失数据集D：对缺失数据集D进行填补得到填补后的数据集Bn×m；利用主成分分析法对数据集Bn×m降维得到降维后的数据集P；基本蚁狮算法优化支持向量机的惩罚因子和核函数，得到优化后的惩罚因子和核函数以及优化后的支持向量机分类器；利用改进的灰色关联度分析法进行缺失值填补，提高相关性，使填补的数据更符合实际数据，利用改进蚁狮算法优化支持向量机的参数，提高支持向量机异常模式识别的准确率。