自动质量检测中的分层机器学习方法.pdfVIP

第28卷 第l2期 仪 器 仪 表 学 报 Vo1．28 No．12 2007年l2月 Chinese Journal of Scientific Instrument Dee．20o7 自动质量检测中的分层机器学习方法 罗 兵 ，甘俊英 ，章 云 (1五邑大学信息学院 江门 529020； 2广东工业大学自动化学院 广州 510090) 摘 要：产品质量自动检测是一种类不平衡的模式识别分类。传统的机器学习方法考虑整体精度而偏重多数据类，但分布少 的缺陷类才是重要类。本文提出对类不平衡的机器学习采用分层进行，首先对样本进行两分类学习，目标是通过简单分类器在 许可的错误率下分离出易于分离的绝大多数合格类样本，然后对不平衡性得到缓解的剩余样本进行两分类或多分类学习。在 学习后的检测分类中，第1层的简单分类器和第2层的复杂分类器并行工作，前面的分类器分类为合格的可提前结束后面分类 器的工作，提高总体分类速度。对比实验表明本方案有效改进了学习性能和检测分类速度。 关键词：类不平衡；模式识别；机器学习；分层学习；代偏重的最小化最大概率机；自适应提升算法 中图分类号：TP391 文献标识码：A 国家标准学科分类代码：520．204 Hierarchical machine learning for automatic defects inspections Luo Bing ，Gan Junying ，Zhang Yun (J Informatics College，Wuyi University，Jiangmen 529020，China； 2 Faculty ofAutomation，Guangdong University of Technology，Gnangzhou 510090，China) Abstract：Automated defect inspection is a kind of classification for imbalanced classes-Traditional machine learn— ing methods seeking classification accuracy over a full range of instances are not suitable for dealing with this prob— lem，since they tend to classify all the data into a majority class，usually the less impo~ant class．This paper propo— ses a hierarchical machine learning method in which a simple classifier in the first layer is established to separate most majority samples with permitted wrong minority samples，then the rest less—imbalanced data is learned to estab— lish a complicated classifier．In the inspection after learning，two classifiers work parallel and the simple classifier of the first layer can end the second one when majority—class result is obtained．Comparative experiment results show that this approach can effectively improve learning performance and accelerate classification speed．