RWESOS-VPMCD方法对超声缺陷信号的识别研究

摘要

在通过特征值间的内在关系建立预测模型的变量预测模式识别方法(VPMCD)中,传统判别方法受特征向量中的个别特征预测异常值影响大,易导致分类错误.提出基于比值加权的最小误差平方和的判别函数(RWESOS),可将异常预测的特征权重大幅降低,提升正确预测特征的权重,从而提高分类准确率.实验表明,在对不同缺陷大小的超声检测信号的识别中,使用RWESOS判别函数的RWESOS-VPMCD方法的识别率比BP神经网络和普通判别函数的VPMCD方法的识别率分别提高了4％和11％.