摘要：为提高铸坯质量预测的准确率，本文提出了一种基于最大信息系数（ＭＩＣ）和主成分分析（ＰＣＡ）的两阶段特征降维方法。采集某钢厂铸坯生产过程数据，根据冶金原理得到铸坯夹杂类质量缺陷的影响因素，构造原始特征集。第一阶段进行特征选择，使用随机森林分类器的分类准确率来评价ＲｅｌｉｅｆＦ、ＩＧ和ＭＩＣ三种算法的特征选择效果，结果显示，基于ＭＩＣ度量指标选出的特征维度更低、分类准确率更高。第二阶段使用ＰＣＡ方法对特征选择后的特征集进行降维，并将其与原始特征集、ＭＩＣ、ＰＣＡ算法的分类准确率进行比较，结果表明，本文提出的基于ＭＩＣ和ＰＣＡ的两阶段降维方法优于其他算法，能有效降低原始特征集的维度并提高对铸坯夹杂类质量缺陷的预测精度。关键词：铸坯；质量预测；最大信息系数；主成分分析；特征降维 下载高清全文——铸坯质量缺陷预测的特征降维方法研究.pdf