改进的SVM算法及其在故障诊断中的应用研究

改进的SVM算法及其在故障诊断中的应用研究

介绍了支持向量机用于解决模式分类问题的基本原理,在对传统的多分类方法OVO(one-versus-one)深入分析的基础上,针对其存在的不可分类区问题,提出了一种改进的模式分类方法KSVM(KNN-SVM),将k-近邻方法嵌入到SVM算法中解决不可分类区问题,进一步提高了分类准确率.应用KSVM分类方法进行模拟电路的故障诊断,实验结果验证了该方法的有效性和实用性.

作 者： 张金泽 单甘霖 ZHANG Jin-ze SHAN Gan-lin   作者单位： 军械工程学院光学与电子工程系,石家庄,050003  刊 名： 电光与控制  ISTIC PKU 英文刊名： ELECTRONICS OPTICS & CONTROL  年，卷(期)： 2006 13(6)  分类号： V271.4 TP181  关键词： 支持向量机(SVM)   多类分类方法   k-近邻法   故障诊断  

【改进的SVM算法及其在故障诊断中的应用研究】相关文章：

改进模糊聚类算法及其在人力资源管理中的应用04-26

一种改进粒子群优化算法及其在投资规划中的应用04-29

一种新型多分类支持向量算法及其在故障诊断中的应用04-30

改进遗传算法及其在聚类分析上的应用04-28

改进的EKF算法在目标跟踪中的运用04-30

一种改进的禁忌搜索算法及其在连续全局优化中的应用04-29

球面Delaunay三角网更新算法及其在GPS网络中的应用研究04-26

SSDA的改进算法04-26

有限单元算法在水质模拟中的应用研究04-26

改进的TOPMODEL在流域洪水模拟中的应用研究04-26