[发明专利]一种用于关键质量特征选择的方法

权利要求书

1.一种用于关键质量特征选择的方法，其特征在于，包括以下步骤：步骤1：获取产品质量数据集；步骤2：最大信息系数算法对产品质量数据集的特征进行初筛；步骤3：将产品质量数据集划分为训练集和测试集；步骤4：确定目标函数，通过人工鱼群算法进行寻优，得到关键质量特征子集；步骤5：使用分类器SVM在测试集上进行评估，确定指标验证该方法的有效性。

2.根据权利要求1所述的方法，其特征在于，所述获取产品质量数据集，包括：

通过生产车间的传感器获取产品的加工参数，得到一组A×B产品质量数据集；

其中A表示样本的数量，B表示特征的数量。

3.根据权利要求1所述的方法，其特征在于，所述最大信息系数算法对产品质量数据集的特征进行初筛，包括：

得到每个样本的各个特征与类别的最大信息系数后,将其依照降序排序，设置阈值d，去掉不相关和冗余特征，得到初筛关键质量特征子集。

4.根据权利要求1所述的方法，其特征在于，所述将产品质量数据集划分为训练集和测试集，包括：

采用留出法，按照70%训练集，30%测试集的方式对数据进行划分。

5.根据权利要求1所述的方法，其特征在于，所述确定目标函数，通过人工鱼群算法进行寻优，得到关键质量特征子集包括：

将特征的数量和分类器SVM的准确率作为优化目标，通过人工鱼群算法同时优化这两个目标，得到关键质量特征子集。

6.根据权利要求1所述的方法，其特征在于，所述使用分类器SVM在测试集上进行评估，确定指标验证该方法的有效性，包括：

使用分类器SVM在测试集上进行评估，确定指标验证该方法的有效性，根据准确率、召回率和F1 score指标验证该方法的有效性。