公开(公告)号：CN106886799A

公开(公告)日：2017-06-23

申请号：CN201710159565.8

申请日：2017-03-17

Applicant: 东北大学

Inventor： 徐子睿 ,  黄灿明 ,  王丹敬 ,  王显鹏

IPC: G06K9/62 ,  G06N3/12

CPC classification number: G06K9/6256 ,  G06N3/126

Abstract: 本发明公开一种基于混合集成学习的连续退火产品质量在线检测方法，将AdaBoost中对误差较大样本的重复学习机制引入到Bagging框架中，进一步提升了在线检测方法的精度；同时，Bagging框架中每个子学习机使用随机抽样方式构建其训练样本集合，使得各子学习机的训练样本集合具有差异性，能够提高在线检测方法的泛化能力。经过实际生产数据测试，本发明所提出的方法能够实现对连续退火带钢产品质量的在线检测，其效果要优于单独使用Bagging或者AdaBoost集成学习建模方法，从而能够帮助连续退火机组提高产品质量控制的水平。

公开(公告)号：CN106886799B

公开(公告)日：2019-08-02

申请号：CN201710159565.8

申请日：2017-03-17

Applicant: 东北大学

Inventor： 徐子睿 ,  黄灿明 ,  王丹敬 ,  王显鹏

IPC: G06K9/62 ,  G06N3/12

Abstract: 本发明公开一种基于混合集成学习的连续退火产品质量在线检测方法，将AdaBoost中对误差较大样本的重复学习机制引入到Bagging框架中，进一步提升了在线检测方法的精度；同时，Bagging框架中每个子学习机使用随机抽样方式构建其训练样本集合，使得各子学习机的训练样本集合具有差异性，能够提高在线检测方法的泛化能力。经过实际生产数据测试，本发明所提出的方法能够实现对连续退火带钢产品质量的在线检测，其效果要优于单独使用Bagging或者AdaBoost集成学习建模方法，从而能够帮助连续退火机组提高产品质量控制的水平。