[发明专利]一种基于粒子群优化支持向量机的质量分析方法

摘要

本发明公开了一种基于粒子群优化支持向量机的质量分析方法，首先，运用训练好的支持向量机SVM模型的核函数，将线性不可分的原始数据样本，从低维空间映射到高维空间中，得到线性可分的目标数据集；然后，在高维空间中，对线性可分的目标数据集，按分类间隔最大的规则进行线性分类，得到最优分类面的判别函数，对目标数据集进行分类操作，得到分类结果；最后，根据分类结果，对产品的质量进行分类分析。本发明采用粒子群算法，优化支持向量机的核函数和惩罚函数的关键参数，为支持向量机模型参数的优化提供了一种可行、高效的方法，并具有较高的产品质量分类准确率，算法复杂度也不会随着数据维度的增加而有明显增加。

主权项

1.一种基于粒子群优化支持向量机的质量分析方法，其特征在于，包括：(1)运用训练好的支持向量机SVM模型的核函数，将线性不可分的原始数据样本，从低维空间映射到高维空间中，得到线性可分的目标数据集；(2)在高维空间中，对线性可分的目标数据集，按分类间隔最大的规则进行线性分类，得到最优分类面的判别函数，对所述目标数据集进行分类操作，得到分类结果；(3)根据分类结果，对产品的质量进行分类分析。