Concurrent Control Chart Analysis: Unmixing and Pattern Recognition with Blind Source Separation

控制图是统计过程控制（SPC）中的主要工具之一，已广泛用于监测工业过程。目前，除了单个控制图外，还存在对同时进行的控制图的兴趣。这些图形的特点是同时存在两个或多个单个控制图。因此，个别模式可能会混合在一起，阻碍了识别作用于过程中的非随机模式的识别；这种现象被称为并发控制图。

鉴于这个问题，我们的第一个目标是研究有效的分离步骤在模式识别中的重要性。然后，我们比较不同的盲源分离（BSS）方法在解除并发控制图混合方面的效率。此外，这些BSS方法与形状和统计特征相结合，以验证每种方法在模式分类方面的性能。另外，最好的方法的鲁棒性在存在不同的非随机性水平和提供给分类器的不平衡数据集的情况下进行测试。

在模拟不同的模式并应用多种分离方法后，结果表明，识别率受分离和特征提取步骤的影响很大，并且选择有效的分离方法是实现高分类率的关键。