×
杨仁施尤

使用支持向量机方法的车间控制系统基于数据挖掘的动态调度规则选择机制。 （英语） Zbl 1198.90066号

国际J.生产研究。 47，第13号，3669-3690（2009）.
摘要：本文的目的是开发一种基于数据挖掘的动态调度规则选择机制，用于车间控制系统进行实时调度决策。在数据挖掘过程中，数据转换（包括数据规范化和特征选择）和数据挖掘算法极大地影响数据挖掘任务的预测准确性。这里，将（z）-分数数据规范化机制和基于遗传算法的特征选择机制用于数据转换任务，然后将支持向量机（SVM）应用于动态调度规则选择分类器。仿真实验表明，在为下一个调度周期准确分配最佳调度策略方面，所提出的基于数据挖掘的方法比不使用基于数据挖掘方法的方法更具通用性。此外，与基于经典SVM的动态调度规则选择机制和启发式单个调度规则相比，使用基于数据挖掘方法的SVM分类器在长时间内在各种性能标准下获得了更好的系统性能。

引用于2文件

MSC公司：

90B06型 运输、物流和供应链管理
90B15号机组 运筹学中的随机网络模型
68T05型 人工智能中的学习和自适应系统

关键词：

车间控制;计算机集成制造;自动化制造系统;数据挖掘;电子化制造;FMS控制;制造控制系统;神经网络应用;半导体制造

软件：

伦敦银行支持向量机;4.5条;遗传算法和直接搜索工具箱;Matlab公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.-R.Shiue}，《国际期刊生产研究》第47号，第13期，3669-3690页（2009年；Zbl 1198.90066）
全文： 内政部

参考文献：

[1] Arzi Y，IIE交易31第217页–（1999年）
[2] 内政部：10.1080/002075400189365·Zbl 0945.90527号 ·doi:10.1080/02075400189365
[3] 内政部：10.1287/mnsc.30.9.1093·doi:10.1287/mnsc.3093年9月30日
[4] Berry MJ，《数据挖掘技术：用于营销、销售和客户支持》（1997年）
[5] 内政部：10.1080/00207548208947745·doi:10.1080/00207548208947745
[6] DOI:10.1023/A:1009715923555·doi:10.1023/A:1009715923555
[7] DOI:10.1016/j.rcim.2004.03.005·doi:10.1016/j.rcim.2004.03.005
[8] Chang CC，LIBSVM 2.82:支持向量机库（2006）
[9] Chang TC，计算机辅助制造，2。编辑（1998）
[10] 内政部：10.1080/002075499190879·Zbl 0949.90534号 ·doi:10.1080/002075499190879
[11] 内政部：10.1016/j.eswa.2005.10.003·doi:10.1016/j.eswa.2005.10.003
[12] 内政部：10.1080/00207549508904870·Zbl 0911.90205号 ·doi:10.1080/00207549508904870
[13] 内政部：10.1080/00207549308956756·doi:10.1080/00207549308956756
[14] 内政部：10.1016/0278-6125（95）98878-A·doi:10.1016/0278-6125（95）98878-A
[15] DOI:10.1016/j.ejor.2005.07.023·兹比尔1120.90349 ·doi:10.1016/j.ejor.2005.07.023
[16] DOI:10.1006/jbin.2001.1004·doi:10.1006/jbin.2001.1004
[17] 对象手册版本和参考手册7.0（2003）
[18] Frawley WJ，计算机协会。ACM 39通讯第27页–（1996）
[19] Goldberg DE，搜索、优化和机器学习中的遗传算法（1989）·Zbl 0721.68056号
[20] 格罗弗MP，自动化，生产系统和计算机集成制造，2。编辑（2001）
[21] 韩杰，数据挖掘概念与技术，2。编辑（2006）·Zbl 1445.68004号
[22] Hsu CW，支持向量分类实用指南（2003）
[23] DOI:10.1080/095111929008944433·网址：10.1080/09511929008944433
[24] 内政部：10.1080/002075498192652·Zbl 0953.90522号 ·doi:10.1080/002075498192652
[25] 内政部：10.1080/002075497195605·Zbl 0953.90524号 ·doi:10.1080/002075497195605
[26] DOI:10.1016/j.eswa.2005.07.041·doi:10.1016/j.eswa.2005.07.041
[27] DOI:10.1023/A:1007608224229·Zbl 0969.68669号 ·doi:10.1023/A:1007608224229
[28] Matlab遗传算法和直接搜索工具箱用户指南第2版（2006）
[29] 内政部：10.1080/0020754031000077275·doi:10.1080/0020754031000077275
[30] Mitchell TM，机器学习（1997）
[31] 内政部：10.1080/00207549008942754·doi:10.1080/00207549008942754
[32] 内政部：10.1109/70.611301·数字对象标识代码：10.1109/70.611301
[33] DOI:10.1016/j.engappai.2005.09.009·doi:10.1016/j.engappai.2005.09.009
[34] 昆兰JR，机器学习1，第81页–（1986）
[35] DOI:10.1016/S0020-7373（87）80053-6·doi:10.1016/S0020-7373（87）80053-6
[36] 昆兰JR，C4.5：机器学习程序（1993）
[37] Rumelhart DE，通过错误传播学习内部表征，并行分布式处理：认知微观结构的探索（1986）
[38] 内政部：10.1080/002075498193877·Zbl 0949.90656号 ·doi:10.1080/002075498193877
[39] DOI:10.1016/j.rcim.2005.03.004·doi:10.1016/j.rcim.2005.03.004
[40] Smith JS，IIE Transactions 28 pp 783–（1996）
[41] Stutton RS，强化学习：简介（1998年）
[42] 内政部：10.1080/0020754031000090612·doi:10.1080/0020754031000090612
[43] 内政部：10.1016/j.patcog.2004.03.013·doi:10.1016/j.patcog.2004.03.013
[44] Tobin KW，SPIE第25届国际显微光刻学术年会（2000年）
[45] Vapnik VN，统计学习理论的本质，2。编辑（1999）
[46] 内政部：10.1080/00207548908942642·doi:10.1080/00207548908942642
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。