来源：期刊VIP网 时间：
作者：王晓宇;张欣;孙杰;陈树宗;
单位：东北大学秦皇岛分校控制工程学院;东北大学轧制技术及连轧自动化国家重点实验室;燕山大学电气工程学院;
摘要：针对热轧生产过程中板凸度数据分布不平衡，导致传统分类方法在少数类样本识别及分类性能上表现不足问题，提出了一种面向不平衡数据的热轧板凸度质量分类方法。该方法通过局部密度过采样(LDS)对少数类样本进行数据增强，有效提升模型对少数类的识别能力；利用可分解二叉树算法(DBTA)实现复杂多类别问题的高效划分；同时结合Adaboost分类器进一步提高分类的精度和稳定性。实验结果表明，所提方法在评价指标MAUC、G-mean和F1-Macro上分别达到了0.9198、0.9087和0.8739,显著提升了板凸度质量分类的准确性。
关键词：质量分类;;不平衡数据;;局部密度过采样;;热轧板凸度
基金资助：国家自然科学基金资助项目(U21A20117);; 辽宁省科技重大专项(2023JH26-10100002)
