一种基于大数据分析的航天产品装配质量问题分类方法

摘要

本发明公开了一种基于大数据分析的航天产品装配质量问题分类方法，基于Hadoop构建大数据分析平台，首先构建初始SVM模型，然后运用遗传算法对初始SVM模型的参数进行优化选择，获得最佳分类精度SVM模型的参数；最终得到GA‑SVM模型。该GA‑SVM模型可以将不同的质量问题进行分类，而且具有很高的分类精度。本发明运用了大数据分析技术，使得运算更为高效，遗传算法中的交叉运算和变异运算考虑到种群进化的动态性，能够快速准确的找到最优解，将遗传算法应用到支持向量机的参数优化中，提高了质量问题分类的精度。

主权项

一种基于大数据分析的航天产品装配质量问题分类方法，其特征在于，所述基于大数据分析的航天产品装配质量问题分类方法基于Hadoop构建大数据分析平台，构建初始SVM(Support Vector Machine)模型，运用遗传算法对SVM模型的参数进行优化选择，把SVM模型的分类精度作为遗传算法中的适应度函数，SVM模型的分类精度满足条件或者进化代数达到要求，则获得最佳分类精度SVM模型的参数；得到最终的GA‑SVM(Genetic Algorithm‑Support VectorMachine)模型；不满足停止条件，则继续优化模型，直至满足条件的要求为止。