论文部分内容阅读
为了提高在不平衡性样本上的刀具磨损状态识别准确率,提出了一种基于特征选择和模糊支持向量机的刀具磨损状态识别方法。该方法通过离散二进制粒子群算法对特征进行选择,剔除冗余特征和无关特征,避免算法陷入维度灾难。设计了混合模糊隶属度函数,构建模糊支持向量机分类模型,采用粒子群算法优化模糊支持向量机关键参数,实现了刀具磨损状态识别。实验结果表明,在不平衡性样本情况下,基于特征选择和模糊支持向量机的刀具磨损状态识别方法具备良好的学习能力,具有较高的识别准确率。