基于局部特征提取的有监督的流形学习方法

为了提高工业产品的质量,提出一种基于局部特征提取的有监督的流形学习方法,用于工业生产过程中工艺参数的调整和优化。利用"多类邻域搜索"策略对每个样本点寻找邻域矩阵,对邻域矩阵进行特征分解,获得每个样本点的演化矢量,进而可以求得潜含在数据内部的主流形。另一方面,利用训练样本建立基于支持矢量数据描述的监控模型,对工艺过程进行监控。当发现异常样本时,将异常样本在主流形方向上进行投影,可以得到各个工艺参数的调整量,由此可将异常样本调控回到生产受控状态。利用IF钢实际生产过程数据进行验证,结果表明:新方法能有效提取出数据内部的流形结构,并通过主流形实现对工艺参数的调整,为实际生产过程提供了一种新的工艺参数优化方法。