期刊文献+
共找到153篇文章
< 1 2 8 >
每页显示 20 50 100
基于优化核函数带宽SVDD的机械振动预警模型 被引量:1
1
作者 刘晓金 陈文武 王庆锋 《机电工程》 CAS 北大核心 2023年第11期1641-1654,1672,共15页
基于高斯核函数的支持向量数据描述(SVDD),因其具有良好的异常检测性能,常被用于机械振动故障预警领域,但其性能的好坏受限于核函数带宽的取值是否适宜。为此,针对常规高斯核函数支持向量数据描述(SVDD)存在需要负类样本训练模型、计算... 基于高斯核函数的支持向量数据描述(SVDD),因其具有良好的异常检测性能,常被用于机械振动故障预警领域,但其性能的好坏受限于核函数带宽的取值是否适宜。为此,针对常规高斯核函数支持向量数据描述(SVDD)存在需要负类样本训练模型、计算量大、不收敛、不适用于小数值数据等问题,提出了一种不需要专家经验知识和负类样本训练SVDD超球体的优化核函数带宽计算方法,构建了基于优化SVDD核函数带宽的机械振动故障预警模型。首先,根据空间矩阵复杂度的信息熵,量化表征核函数带宽的取值对SVDD超球体的影响;然后,采用粒子群优化(PSO)算法寻找空间矩阵复杂度最大时对应的核函数带宽σ取值,实现了目标函数的快速收敛目的;综合考虑惩罚参数对SVDD超球体描述边界的影响,引入惩罚参数对寻优结果进行了修正,完成了对历史正常运行状态数据驱动的机械振动故障预警模型的构建任务;最后,应用辛辛那提大学智能维护中心轴承试验数据集等6项公开实验室数据和4项工程案例数据,对上述方法的实用性和可靠性进行了验证,并将其结果与采用常规方法所得结果进行了对比验证。研究结果表明:与常规方法相比,采用优化核函数带宽计算方法训练出的机械振动故障预警模型的合格率为100%,超球体描述边界拟合良好,并且不存在不收敛的问题。 展开更多
关键词 机械设备故障预警 高斯核函数 支持向量数据描述 核函数带宽 惩罚参数 超球体 空间矩阵复杂度 粒子群优化算法
下载PDF
基于KECA和BO-SVDD的滚动轴承早期故障检测
2
作者 栗子旋 高丙朋 《机床与液压》 北大核心 2023年第11期206-213,共8页
为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析(KECA)和贝叶斯优化(BO)算法优化支持向量数据描述(SVDD)的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵... 为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析(KECA)和贝叶斯优化(BO)算法优化支持向量数据描述(SVDD)的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵;利用KECA对多维特征矩阵进行降维处理,进而提取有效特征;最后,选取轴承正常状态的特征指标训练模型,利用BO算法确定SVDD的惩罚因子和核宽度,进而得到早期故障检测模型。利用该模型对XJTU-SY数据集中不同工况下的轴承进行早期故障检测,结果表明:KECA能够有效地提取特征信息,减少冗余信息的干扰;该模型整体上能够较早检测出故障的发生,并且有较好的鲁棒性和泛化能力。 展开更多
关键词 故障检测 特征矩阵 核熵成分分析 贝叶斯优化 支持向量数据描述
下载PDF
基于改进SVDD算法的网络数据流异常检测
3
作者 田睿芬 程艳艳 《信息与电脑》 2023年第20期214-216,共3页
利用常规方法检测网络数据流异常存在检测效率低的问题,为此提出基于改进支持向量数据描述(Support Vector Data Description,SVDD)算法的网络数据流异常检测方法。首先,选取一对一的构造方法将通信网络异常流量数据分为两个类别;其次,... 利用常规方法检测网络数据流异常存在检测效率低的问题,为此提出基于改进支持向量数据描述(Support Vector Data Description,SVDD)算法的网络数据流异常检测方法。首先,选取一对一的构造方法将通信网络异常流量数据分为两个类别;其次,根据数据流的处理标准和需求,采用聚类分析技术构建监测模型;最后,通过改进SVDD流量异常检测模型对经过聚类特征提取的数据进行识别和检测。实验结果表明,该方法的检测准确率均高于97.5%,检测耗时较短,优于对照组。 展开更多
关键词 支持向量数据描述(svdd) 网络数据流 异常检测
下载PDF
基于改进SVDD的飞参数据新异检测方法 被引量:22
4
作者 孙文柱 曲建岭 +2 位作者 袁涛 高峰 付战平 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第4期932-939,共8页
为实现飞参数据自动判读,提出一种基于改进支持向量数据描述(SVDD)的飞参数据新异检测方法。首先通过启发式的约减SVDD核矩阵尺寸,加快了SVDD的运算速度,并使之更适合于大样本的飞参数据新异检测;而后研究了飞参数据中参数采样率不统一... 为实现飞参数据自动判读,提出一种基于改进支持向量数据描述(SVDD)的飞参数据新异检测方法。首先通过启发式的约减SVDD核矩阵尺寸,加快了SVDD的运算速度,并使之更适合于大样本的飞参数据新异检测;而后研究了飞参数据中参数采样率不统一条件下样本生成的问题;最后以发动机气路参数、舵面偏转参数和发动机振动值参数3组异常状态飞参数据为例,应用改进的SVDD方法进行了飞参数据新异检测。结果表明,该方法能准确检测出飞参数据中的异常,可用于飞参数据自动判读。 展开更多
关键词 模式识别 支持向量数据描述 新异检测 单类分类 飞参数据
下载PDF
基于蚁群SVDD和聚类方法的旋转机械故障诊断 被引量:7
5
作者 杜文辽 李安生 +2 位作者 孙旺 李彦明 刘成良 《上海交通大学学报》 EI CAS CSCD 北大核心 2012年第9期1440-1444,共5页
针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述(SVDD)新异类检测与基于Davies Bouldin指数(DBI)的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利... 针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述(SVDD)新异类检测与基于Davies Bouldin指数(DBI)的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利用蚁群算法对SVDD模型参数进行优化;然后,当拒绝样本数目累积到设定的阈值时,利用K均值聚类方法对其进行处理而获得能够进行标记的类别,其中,K均值聚类的类型数目由DBI辅助确定;最后,针对所标记的各类样本,分别建立SVDD模型并进行训练,将SVDD分类器按照二叉树形式构建系统状态的完整诊断模型.同时,利用滚动轴承多故障模式样本进行训练测试,以验证所提出算法的有效性.结果表明,所提出算法的训练速度为常规网格搜索算法的近10倍,DBI能够有效确定聚类的数目,对样本状态的识别率达到100%. 展开更多
关键词 蚁群支持向量数据描述 K均值聚类 Davies Bouldin指数 旋转机械 故障诊断
下载PDF
基于HE-SVDD的航空发动机工作状态识别 被引量:13
6
作者 周胜明 曲建岭 +1 位作者 高峰 王小飞 《仪器仪表学报》 EI CAS CSCD 北大核心 2016年第2期308-315,共8页
针对人工识别航空发动机工作状态的复杂性和耗时性,提出一种基于超椭球分类面支持向量数据描述(HESVDD)的快速识别方法。首先构建了一个根据训练样本分布特征可调的HE-SVDD分类器,使之具有从大规模飞行数据中快速识别发动机工作状态的能... 针对人工识别航空发动机工作状态的复杂性和耗时性,提出一种基于超椭球分类面支持向量数据描述(HESVDD)的快速识别方法。首先构建了一个根据训练样本分布特征可调的HE-SVDD分类器,使之具有从大规模飞行数据中快速识别发动机工作状态的能力;然后研究了航空发动机状态识别的参数选取和样本生成问题;最后采用HE-SVDD对两个飞行架次的发动机工作状态进行了识别。结果表明,该方法能快速准确地识别出发动机的工作状态,可应用于发动机状态的在线或离线监控。 展开更多
关键词 航空发动机 工作状态识别 飞行数据 支持向量数据描述 快速决策
下载PDF
基于NGPP-SVDD的非高斯过程监控及其应用研究 被引量:16
7
作者 谢磊 刘雪芹 +1 位作者 张建明 王树青 《自动化学报》 EI CSCD 北大核心 2009年第1期107-112,共6页
提出了基于NGPP-SVDD(Non-Gaussian projection pursuit,NGPP;Support vector data description,SVDD)的统计过程监控和故障检测方法,避免了传统统计过程监控方法假设数据服从正态分布的不足.针对传统的FastICA(Fast independent compo-... 提出了基于NGPP-SVDD(Non-Gaussian projection pursuit,NGPP;Support vector data description,SVDD)的统计过程监控和故障检测方法,避免了传统统计过程监控方法假设数据服从正态分布的不足.针对传统的FastICA(Fast independent compo- nent analysis)算法容易陷入局部极小值的不足,结合微粒群算法提出非高斯投影算法(NGPP),保证提取的独立成分非高斯性最大化,并给出了非高斯成分数目的选择准则.获得过程非高斯独立成分之后,利用SVDD来描述其分布情况,构造新的统计量确定其统计控制限.通过对数值仿真及工业应用研究表明,该方法能够及时地发现过程中出现的异常情况. 展开更多
关键词 独立成分 支持向量数据描述 微粒群优化 故障检测
下载PDF
改进的SVDD增量学习算法 被引量:6
8
作者 花小朋 皋军 +1 位作者 田明 刘其明 《计算机工程》 CAS CSCD 北大核心 2009年第22期210-211,215,共3页
通过对SVDD增量学习中原样本和新增样本的特性分析,提出一种改进的SVDD增量学习算法。在增量学习过程中,该算法选取原样本的支持向量集和非支持向量中可能转为支持向量的样本集以及新增样本中违反KKT条件的样本作为训练样本集,舍弃对最... 通过对SVDD增量学习中原样本和新增样本的特性分析,提出一种改进的SVDD增量学习算法。在增量学习过程中,该算法选取原样本的支持向量集和非支持向量中可能转为支持向量的样本集以及新增样本中违反KKT条件的样本作为训练样本集,舍弃对最终分类无用的样本。实验结果表明,该算法在保证分类精度的同时减少了训练时间。 展开更多
关键词 支持向量数据描述 KKT条件 支持向量 增量学习
下载PDF
SVDD在类别不平衡学习中的应用 被引量:5
9
作者 缪志敏 胡谷雨 +2 位作者 丁力 赵陆文 潘志松 《应用科学学报》 CAS CSCD 北大核心 2008年第1期79-84,共6页
在解决单分类问题的支持向量数据描述算法的基础上提出了适用于两类不平衡问题的I-SVDD(imbalance-support vector date description)算法.该算法通过增加样本的分布信息,对带野值的SVDD算法中的C值重新进行了定义.采用该算法对UC I数... 在解决单分类问题的支持向量数据描述算法的基础上提出了适用于两类不平衡问题的I-SVDD(imbalance-support vector date description)算法.该算法通过增加样本的分布信息,对带野值的SVDD算法中的C值重新进行了定义.采用该算法对UC I数据集和人工样本集进行实验表明,改进后的I-SVDD算法比带野值的SVDD算法的AUC值平均提高12%以上;比AdaBoost算法在正类查全率上平均提高35%,精确度也提高了2%以上.I-SVDD算法在保证少数类样本高分类精度前提下,还有效提高了全样本的分类精度,更符合现实不平衡问题中对少数类样本的处理要求. 展开更多
关键词 不平衡类别 单分类 支持向量数据描述 ADABOOST
下载PDF
基于SVDD与信息融合技术的设备性能退化评估 被引量:9
10
作者 刘雨 陈进 +1 位作者 潘玉娜 郭磊 《振动与冲击》 EI CSCD 北大核心 2009年第9期21-24,共4页
为了能够准确地对大型设备的性能退化过程进行描述,提出了一种基于支持向量数据描述(SVDD)和信息融合技术的评估方法。通过SVDD算法分别评估来自单个传感器的数据,然后运用D-S证据理论对来自多传感器的局部评估结果进行信息融合,最终给... 为了能够准确地对大型设备的性能退化过程进行描述,提出了一种基于支持向量数据描述(SVDD)和信息融合技术的评估方法。通过SVDD算法分别评估来自单个传感器的数据,然后运用D-S证据理论对来自多传感器的局部评估结果进行信息融合,最终给出设备的整体性能评估结果。实验分析表明,SVDD算法能够真实地反映设备局部性能退化状态的变化,而利用D-S证据理论得出的整体设备状态评估结果符合实际情况,同时有效地消除局部信息之间的矛盾,提高了设备整体评估的可靠性。 展开更多
关键词 性能退化 支持向量数据描述 信息融合 D—S证据理论
下载PDF
基于Deep SVDD的通信信号异常检测方法 被引量:14
11
作者 康颖 赵治华 +2 位作者 吴灏 李亚星 孟进 《系统工程与电子技术》 EI CSCD 北大核心 2022年第7期2319-2328,共10页
针对复杂电子对抗场景中的非理想信道环境,该文提出了一种基于深度学习的异常检测(anomaly detection,AD)方法。首先,分析了利用时频同相/正交(in-phase/quadrature,I/Q)采样数据进行AD的可行性;然后,设计了深度学习网络架构,并提出基... 针对复杂电子对抗场景中的非理想信道环境,该文提出了一种基于深度学习的异常检测(anomaly detection,AD)方法。首先,分析了利用时频同相/正交(in-phase/quadrature,I/Q)采样数据进行AD的可行性;然后,设计了深度学习网络架构,并提出基于深度支持向量描述(deep support vector data description,Deep SVDD)和调制识别的AD方法。仿真及实验结果表明:相比于经典的单分类检测算法,该方法检测性能和实时性明显提升,且在非理想信道环境下表现鲁棒。该方法已在某型号项目原理样机上得到验证,具有很高应用价值。 展开更多
关键词 异常检测 Deep svdd 调制识别 干扰预警
下载PDF
基于最大分类间隔SVDD算法的辐射源个体确认 被引量:4
12
作者 骆振兴 楼才义 +1 位作者 陈仕川 李少伟 《电子与信息学报》 EI CSCD 北大核心 2011年第9期2268-2272,共5页
通信辐射源个体确认技术是实现通信辐射源个体识别的关键技术之一。该文研究了基于支持向量数据描述(SVDD)的通信辐射源个体确认算法。针对传统SVDD算法在正类训练样本不完备的条件下对正类测试样本接受率较低的不足,提出带反类训练的... 通信辐射源个体确认技术是实现通信辐射源个体识别的关键技术之一。该文研究了基于支持向量数据描述(SVDD)的通信辐射源个体确认算法。针对传统SVDD算法在正类训练样本不完备的条件下对正类测试样本接受率较低的不足,提出带反类训练的最大分类间隔SVDD算法(MCM-SVDD)。MCM-SVDD在保证最小化超球体积的同时,使正类训练样本与反类训练样本距离超球表面的间隔最大化,从而提高了对正类测试样本正确接受的泛化能力。基于20台实际通信辐射源样本的实验表明,相对于SVDD,SVDD-neg和SVM,MCM-SVDD具有更高的平均确认率。 展开更多
关键词 无线通信 辐射源个体确认 支持向量数据描述 最大分类间隔svdd 辐射源指纹
下载PDF
基于最小化界外密度的SVDD参数优化算法 被引量:4
13
作者 王靖程 曹晖 +1 位作者 张彦斌 任志文 《系统工程与电子技术》 EI CSCD 北大核心 2015年第6期1446-1451,共6页
支持向量数据描述(support vector data description,SVDD)是一种具有单类数据描述能力的数据分类算法,因具有结构风险最小化的特性而受到广泛关注。SVDD的参数优化是影响其分类效果的关键问题,本文通过引入样本点的密度信息,提出了以... 支持向量数据描述(support vector data description,SVDD)是一种具有单类数据描述能力的数据分类算法,因具有结构风险最小化的特性而受到广泛关注。SVDD的参数优化是影响其分类效果的关键问题,本文通过引入样本点的密度信息,提出了以界外密度最小化为目标的参数优化函数,避免了漏检率的计算问题,可充分利用训练数据的分布信息,提高数据描述能力,降低错分率。仿真实验和UCI标准数据库的对比验证表明,优化后的SVDD算法能够有效降低漏检率和错分率,提高算法性能。 展开更多
关键词 支持向量数据描述 参数优化 密度
下载PDF
基于自适应SVDD的雷达目标分类方法 被引量:4
14
作者 冯国瑜 肖怀铁 +1 位作者 付强 黄孟俊 《系统工程与电子技术》 EI CSCD 北大核心 2011年第2期253-258,共6页
支持向量数据描述(support vector data description,SVDD)常用于实现目标类样本充分、非目标类样本多样化的两类分类。在雷达目标识别应用中,SVDD分类性能随样本噪声增加迅速下降。为了解决这个问题,通过深入分析SVDD抗噪性能差的原因... 支持向量数据描述(support vector data description,SVDD)常用于实现目标类样本充分、非目标类样本多样化的两类分类。在雷达目标识别应用中,SVDD分类性能随样本噪声增加迅速下降。为了解决这个问题,通过深入分析SVDD抗噪性能差的原因,提出了基于自适应SVDD的雷达目标分类方法。该方法利用接收机工作特性曲线建立信噪比与分类最优超球半径的关系模型,在目标分类过程中,针对不同信噪比自适应选择分类判决门限。仿真实验表明,相比于常规SVDD方法,自适应SVDD方法大大提高了低信噪比下目标分类性能。 展开更多
关键词 支持向量数据描述 目标分类 自适应 超球半径
下载PDF
基于SVDD的多时段间歇过程故障检测 被引量:13
15
作者 王建林 马琳钰 +2 位作者 邱科鹏 刘伟旻 赵利强 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第11期2752-2761,共10页
支持向量数据描述(SVDD)不要求过程数据满足正态分布,已应用于间歇过程故障检测。现有的SVDD间歇过程故障检测方法采用聚类分析和模型识别划分间歇过程时段,多时段划分的准确性较低,制约了多时段间歇过程故障检测精度的提高。针对上述... 支持向量数据描述(SVDD)不要求过程数据满足正态分布,已应用于间歇过程故障检测。现有的SVDD间歇过程故障检测方法采用聚类分析和模型识别划分间歇过程时段,多时段划分的准确性较低,制约了多时段间歇过程故障检测精度的提高。针对上述问题提出了一种基于SVDD的多时段间歇过程故障检测方法,利用SVDD的超球体半径值与支持向量个数的变化划分间歇过程的多时段,并建立了不同时段的SVDD故障检测模型,使用待检测样本点的球心距与对应时段的超球体半径之差检测过程故障,实现了多时段间歇过程的时段划分与过程故障检测。发酵过程仿真实验和实际生产实验结果表明,该方法能够准确地划分间歇过程的多时段,并且能够针对不同时段进行故障检测,具有较高的检测率。 展开更多
关键词 间歇过程 支持向量数据描述 多时段 故障检测
下载PDF
SVDD的快速实时决策方法 被引量:12
16
作者 胡文军 王士同 《自动化学报》 EI CSCD 北大核心 2011年第9期1085-1094,共10页
为了提高一类支持向量数据描述(Support vector data description,SVDD)对未知样本的决策速度,本文从样本的核特征空间出发,利用核超球球心在原始样本特征空间中的原像,提出一种SVDD的快速决策方法(Fast decision approach of SVDD,FDA-... 为了提高一类支持向量数据描述(Support vector data description,SVDD)对未知样本的决策速度,本文从样本的核特征空间出发,利用核超球球心在原始样本特征空间中的原像,提出一种SVDD的快速决策方法(Fast decision approach of SVDD,FDA-SVDD),使得SVDD的决策复杂度从O(n)降低到O(1).同时,对球心原像所在空间进行了分析,并在此基础上给出了两种原像逼近方法.多种真实数据集实验表明,FDA-SVDD方法在保证测试精度的同时,能快速实现对未知样本的决策. 展开更多
关键词 异常检测 支持向量数据描述 快速决策 核超球 球心原像
下载PDF
基于带野值的SVDD的高光谱图像异常检测 被引量:3
17
作者 蒲晓丰 雷武虎 +1 位作者 汤俊杰 黄涛 《光电工程》 CAS CSCD 北大核心 2010年第12期83-87,共5页
基于支持向量数据描述(SVDD)的高光谱图像异常检测算法常常会因为背景样本中混入异常像元(野值)而导致检测概率下降。针对此问题,提出一种基于带野值的支持向量描述的检测算法,引入原点和少量已检测出来的异常像元作为异常样本,以改善... 基于支持向量数据描述(SVDD)的高光谱图像异常检测算法常常会因为背景样本中混入异常像元(野值)而导致检测概率下降。针对此问题,提出一种基于带野值的支持向量描述的检测算法,引入原点和少量已检测出来的异常像元作为异常样本,以改善算法对异常和背景数据的描述能力;同时为抑制错误样本的影响,将异常和背景样本偏离背景样本均值的距离映射作为各样本的加权系数。结果表明,新算法在低虚警概率下较之SVDD模型有更高的检测概率。利用真实数据进行实验证明了算法的有效性。 展开更多
关键词 异常检测 支持向量数据描述(svdd) 加权 高光谱图像
下载PDF
基于SVDD的层次纠错输出编码研究 被引量:3
18
作者 雷蕾 王晓丹 +1 位作者 罗玺 宋亚飞 《系统工程与电子技术》 EI CSCD 北大核心 2015年第8期1916-1921,共6页
纠错输出编码能有效地将多类问题分解为一系列二类子问题进行求解,已受到众多机器学习研究者的关注。如何构建基于数据的编码矩阵是编码方法确定的关键。针对此问题,基于Fisher原理,提出一种基于支持向量数据描述(support vector domain... 纠错输出编码能有效地将多类问题分解为一系列二类子问题进行求解,已受到众多机器学习研究者的关注。如何构建基于数据的编码矩阵是编码方法确定的关键。针对此问题,基于Fisher原理,提出一种基于支持向量数据描述(support vector domain description,SVDD)的层次纠错输出编码构造方法(hierarchical error-correcting output codes,HECOC)。该方法首先采用SVDD计算各类别的可分程度,从而得到由不同子类构成的二叉树;然后分别对二叉树的各层结点进行编码并最终形成层次输出编码。在仿真实验中,对不同子类类群划分构成的基分类器的可分性进行了对比,结果表明,该编码方法能在保证分类精度的同时,提高基分类器之间的差异性和纠错输出编码的容错能力。 展开更多
关键词 多类分类 纠错输出编码 类间可分性 支持向量数据描述
下载PDF
一种新的不平衡数据v-NSVDD多分类算法 被引量:3
19
作者 刘小平 徐桂云 +1 位作者 任世锦 杨茂云 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2013年第2期150-158,共9页
分析了多类支持向量数据描述(support vector data description,SVDD)算法存在的问题,提出一种新的不平衡数据v-NSVDD多分类算法.该方法借鉴了v-SVM方法以及带有负类的SVDD的思想,并基于不同类别样本间隔最大原理,较好地克服噪声和在野... 分析了多类支持向量数据描述(support vector data description,SVDD)算法存在的问题,提出一种新的不平衡数据v-NSVDD多分类算法.该方法借鉴了v-SVM方法以及带有负类的SVDD的思想,并基于不同类别样本间隔最大原理,较好地克服噪声和在野点的影响,提高了分类模型的泛化性能;通过样本加权的方法解决了不平衡类别样本预测精度低的问题,并在理论上给出了根据类别样本数量设置样本加权系数的方法.针对实际应用存在大量复杂、非线性分类数据,通过核方法把上述线性分类算法推广到非线性数据分类情形.由于现有的多分类器无法实现拒判,而且每个分类器的核函数参数不同,导致数据点与各个超球中心距离的计算结果与实际距离不相符,影响了数据判决结果的准确性和可靠性.针对上述问题,给出基于相对距离和K-NN规则相结合的多分类方法,提高了分类结果的准确性和可靠性.使用Benchmark数据集进行仿真实验,结果表明本算法能够获得较低的分类误差,能够有效处理样本不平衡问题. 展开更多
关键词 支持向量数据描述(svdd) 样本类别不平衡 多分类 拒判 超球软边界
下载PDF
基于PCA-SVDD的故障检测和自学习辨识 被引量:6
20
作者 祝志博 王培良 宋执环 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2010年第4期652-658,共7页
为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数... 为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性. 展开更多
关键词 主元分析-支持向量数据描述(PCA-svdd) 特征提取 故障检测 故障自学习辨识
下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部