首页|基于不平衡大数据的CS-AdaBoost-DT模型在家电产品质检中的应用

基于不平衡大数据的CS-AdaBoost-DT模型在家电产品质检中的应用

Home Appliance Quality Inspection Based on CS-AdaBoost-DT Model with Imbalanced Big Data

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
质量检测作为质量管理的基础工作,是防止不良品流入市场的关键.针对工业大数据中不合格品(正类)密度极低,但现有算法多以全局最优为目标,难以检测出不合格品的问题,提出CS-AdaBoost-DT智能质检模型.使用AdaBoost自适应集成算法级联多棵决策树,以解决单个分类器易于陷入局部最优的问题;同时,引入代价敏感因子对分类结果、产品种类不同的样本权重进行差异化赋值,进而降低不平衡数据对模型分类结果偏移的影响,以期减少企业质检的损失.以Bosch公司家电生产线的大数据为例,使用决策树、SVM、AdaBoost-DT、CS-AdaBoost-DT模型进行实证分析,并进行十折交叉验证以分析模型性能.结果 显示:CS-AdaBoost-DT漏检率均值为9.88％,AUC均值为95.21％,G-mean均值为83.9％,都优于其他三种模型,且各指标的标准差更小,表明CS-AdaBoost-DT模型不仅提高了产品质量检测的准确性,且具有更高的稳定性.

吴增源、周彩虹、刘畅、郑素丽

展开 >

中国计量大学经济与管理学院,浙江杭州310018

上海应用技术大学电气与电子工程学院,上海201418

家用电器 质量检测 不平衡大数据 代价敏感 AdaBoost算法

国家自然科学基金浙江省自然科学基金

71572187LY20G010008

2020

10.19495/j.cnki.1007-5429.2020.05.006

工业工程与管理
上海交通大学

工业工程与管理

CSTPCD北大核心
影响因子：0.763
ISSN：1007-5429
年,卷(期)：2020.25(5)
  • 6
  • 17