融合生成对抗网络和难例挖掘的产品质量预测模型

来源：计算机集成制造系统杂志2024年第10期北京时间：

作者：李剑锋, 柏雪, 赵春财, 钱朋超, 王洪涛, 徐伟风

单位：1.中国计量大学经济与管理学院2.新凤鸣集团研究院质量管理部3.杭州古珀医疗科技有限公司研发中心

摘要：针对连续性工业生产特点,重点关注类别不平衡造成的不合格样本召回率低问题。为了从高维数据提取有效特征,结合one class F-score和最小冗余最大相关性在特征提取方面的优势,有效降低特征维度并提取有价值特征;利用Wasserstein生成对抗网络(WGAN)方法扩增不合格样本数量;通过类别权重优化Focal Loss函数以提高困难样本识别率;通过轻量级梯度提升机算法结合阈值移动策略,构建基于WGAN数据增强和难例挖掘技术的质量预测模型(WGAN_Focal Loss_LGB(TM))。将所提模型应用于开源SECOM数据集,验证了所提方法的有效性。

关键词：高维数据,Wasserstein生成式对抗网络,Focal Loss函数,难例挖掘,轻量级梯度提升机算法,阈值移动,产品质量预测

基金资助：国家自然科学基金面上资助项目(71972172）;国家自然科学青年基金资助项目（42001201）。