-
作者
徐静林黄丽霞张雪英李凤莲杜海文于丽君马秀
-
单位
太原理工大学信息与计算机学院山西省中电科新能源技术有限公司
-
摘要
在多晶硅铸锭配料质量分析中,针对邻域粗糙集-支持向量机（NRS-SVM）模型在处理多晶硅铸锭配料的连续型数据中邻域半径δ和SVM参数的取值问题,提出了将NRS-SVM模型与遗传算法（GA）相结合的两阶段遗传算法（NRS-SVM-GA）.该算法的第一阶段通过搜索新的邻域半径来得到较好的约简集合,第二阶段采用第一阶段属性约简结果,通过搜索新的SVM参数训练出准确率较高的分类模型。算法根据每个阶段的目的提出了相应的适应度函数及终止条件,显著特点是实现了NRS-SVM自动化特征提取及分类预测,并将两个阶段单独进行,避免了通过分类器来评价约简性能所带来的时间消耗。在多晶硅铸锭配料数据集上进行实验,结果表明,与标准遗传算法相比,该方法运行时间短,输出结果稳定,可得到较少的特征和较高的分类精度。
-
关键词
邻域粗糙集-支持向量机遗传算法多晶硅铸锭配料邻域半径属性约简SVM参数适应度函数终止条件自动化
-
基金项目(Foundation)
山西省科技重大专项（20181102008）；
-
文章目录
1 相关原理简介
1.1 邻域粗糙集理论
1.2 支持向量机理论
1.3 NRS-SVM模型标准遗传算法
2 NRS-SVM两阶段遗传算法
2.1 适度函数
2.1.1 第一阶段适应度函数
2.1.2 第二阶段适应度函数
2.2 算法终止条件
3 实验分析
3.1 实验数据
3.2 标准遗传算法参数设置
3.3 结果分析
4 结论
-
引用格式
徐静林,黄丽霞,张雪英,李凤莲,杜海文,于丽君,马秀.NRS-SVM两阶段遗传算法的多晶硅铸锭配料质量分析[J].太原理工大学学报,2021,52(03):417-423.
-
相关文章
太原理工大学学报 
2021年第03期 
