科研之友
微信
新浪微博
Facebook
分享链接
摘要
在智能制造业设备缺陷与故障诊断中，欠采样容易丢失重要的样本信息，而过采样容易引入冗杂信息等问题。针对这些问题将精英策略的非支配排序遗传算法(Non Dominated Sorting Genetic Algorithm ， NSGAII)融入随机森林(Random Forests， RF)算法，用多目标遗传算法代替传统随机森林算法中的自助采样法和特征选取方法，产生多样化的、性能优的特征子集和样本子集，从而生成多样性强、准确性高的决策树，同时确定最优的决策树数量，达到优化随机森林的性能、提高分类精度的目的。通过与合成少数类过采样技术和多个集成分类器分别在多类别和高不平衡性的设备故障数据集上的诊断精度比较，验证了所提方法的有效性。
