周昊飞
- 作品数：9 被引量：37H指数：4
- 供职机构：郑州大学商学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程经济管理更多>>
- 如何提高企业员工忠诚度研究
- 2011年
- 在企业人力资源管理中，如何吸引，留住人才是管理者最为关注的问题。而企业员工忠诚度是反映一个企业人力资源管理水平的重要指标，也是制约企业健康发展的一个重要因素，如何培养和提升员工忠诚度，加强员工忠诚度的管理，是每一个企业必须面对的课题。
- 周昊飞
- 关键词：员工忠诚度企业文化
- 基于MSVM的多品种小批量动态过程在线质量智能诊断被引量：10
- 2015年
- 提出了基于多分类支持向量机(MSVM)的多品种、小批量动态过程在线质量智能诊断方法。离线训练时,提取异常模式仿真数据的小波重构特征,对MSVM识别和估计模型进行训练和测试,同时建立异常因素诊断库;在线诊断时,对"监控窗口"数据特征的过程模式及参数进行识别与估计,而后利用异常因素诊断库实现对多品种、小批量动态过程实时在线智能诊断。某精密轴加工过程实例验证了该智能诊断方法的有效性。
- 刘玉敏周昊飞
- 关键词：多品种小批量
- 基于多特征混合与支持向量机的动态过程异常监控被引量：7
- 2015年
- 为提高动态过程异常模式的监控效率,提出基于多特征混合与多分类支持向量机的动态过程质量异常模式识别模型。采用离散小波变换提取原始数据的低频近似系数和重构数据特征;抽取重构数据的形状特征并与低频近似系数进行混合,形成质量模式的混合特征;采用粒子群优化的多分类支持向量机进行异常模式识别。仿真实验表明,所提出的识别模型比采用单一类型特征或融合特征的整体识别精度均有显著提高,且大大降低了模型训练时间。
- 刘玉敏周昊飞
- 关键词：动态过程模式识别小波变换支持向量机粒子群优化
- 基于小波分析及神经网络控制图模式识别研究综述
- 2011年
- 控制图异常模式自动识别在如今的制造过程越来越重要,识别方法的合理性直接影响质量诊断结果的准确性.该文系统地总结了现有基于神经网络控制图模式识别方法,并从原始数据处理方面把现有的控制图模式识别方法分为两类:基于原始数据及基于特征.同时指出各种基于神经网络的控制图模式识别方法上的特点与不足,并展望未来基于小波分析及神经网络控制图模式识别的研究方向,为质量诊断技术的改进提供依据.
- 周昊飞
- 关键词：神经网络小波分析
- 基于多特征的PSO-MSVM动态过程质量异常模式识别被引量：13
- 2015年
- 为了提高动态过程质量异常模式识别效率,将动态过程质量模式的均值特征与小波包分解特征作为分类特征,并构建两层多支持向量机识别模型进行分类。利用均值特征,在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别;采用小波包分解特征,在第二层MSVM中对这三大类别进行再分类。仿真结果表明提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高。
- 刘玉敏周昊飞
- 关键词：动态过程小波包分解
- 基于模式识别的自动化生产过程质量智能诊断研究
- 过程实时智能监控与诊断是政府实施食品药品质量安全大数据监管、智能制造“十三五”发展规划的重要环节。传统的统计过程控制方法难以满足过程实时质量智能监控的需求，基于模式识别的过程智能监控及诊断已成为质量管理领域的新方向。目前...
- 周昊飞
- 关键词：自动化生产智能监控模式识别
- 基于小波分析的控制图模式识别研究
- 控制图是对生产过程进行实时质量监控与诊断的工具,尤其是控制图在生产过程监控中的应用大幅提高了制造过程的质量保证水平。尽管控制图原理和方法在现场质量控制中发挥了巨大的作用,然而,以小概率事件原理为理论依据的控制图异常模式监...
- 周昊飞
- 关键词：控制图小波分析BP神经网络蒙特卡洛方法
- 文献传递
- 基于小波重构与SVM-BPNN的动态过程在线智能监控被引量：13
- 2016年
- 为了提高动态过程运行状态在线监控效率,提出了基于小波重构与支持向量(support vector machine,SVM)-反向传播神经网络(back propagation neural network,BPNN)相结合的在线智能监控方法.首先,运用离散小波变换对动态过程实测数据流进行重构,并提取其形状特征.其次,利用训练好的小波重构特征的SVM、均值特征的BPNN及重构后形状特征的SVM,对"监控窗口"内实测数据流进行异常模式识别.最后,应用该方法对某精密轴加工过程进行在线智能监控.结果表明:所提模型识别精度高、训练耗时少,其整体性能明显优于小波重构的BPNN模型与基于统计和形状特征的多分类支持向量机(multi-class support vector machine,MSVM)模型,是一种更为有效的动态过程在线智能监控方法.
- 刘玉敏周昊飞
- 关键词：支持向量机BP神经网络
- 动态过程质量异常模式ANN—SVM识别模型及仿真分析被引量：3
- 2016年
- 为简化ANN网络结构、降低MSVM识别的复杂度,提高动态过程质量异常模式识别效率,文章提出了基于ANN—SVM的动态过程质量异常模式识别模型。首先,在ANN分类器中应用均值特征把整体变化趋势上具有相似性的六种质量模式划分为三大类别。其次,利用SVM分类器对这三类进行再识别。应用均值特征构建的ANN网络结构简单,无需对其进行参数优化,并且ANN分类器将多分类问题转化为三个两分类问题,降低了MSVM的分类数。仿真结果表明:所提出的识别模型比单一采用ANN或MSVM分类器的整体识别精度均有显著提高,且大大缩减了模型训练时间。
- 刘玉敏周昊飞
- 关键词：动态过程小波分解支持向量机
