改進的SVM算法及其在故障診斷中的應用研究

介紹了支持向量機用于解決模式分類問題的基本原理,在對傳統的多分類方法OVO(one-versus-one)深入分析的基礎上,針對其存在的不可分類區問題,提出了一種改進的模式分類方法KSVM(KNN-SVM),將k-近鄰方法嵌入到SVM算法中解決不可分類區問題,進一步提高了分類準確率.應用KSVM分類方法進行模擬電路的故障診斷,實驗結果驗證了該方法的有效性和實用性.

作 者： 張金澤 單甘霖 ZHANG Jin-ze SHAN Gan-lin   作者單位： 軍械工程學院光學與電子工程系,石家莊,050003  刊 名： 電光與控制  ISTIC PKU 英文刊名： ELECTRONICS OPTICS & CONTROL  年，卷(期)： 2006 13(6)  分類號： V271.4 TP181  關鍵詞： 支持向量機(SVM)   多類分類方法   k-近鄰法   故障診斷  

【改進的SVM算法及其在故障診斷中的應用研究】相關文章：

改進模糊聚類算法及其在人力資源管理中的應用04-26

一種改進粒子群優化算法及其在投資規劃中的應用04-29

一種新型多分類支持向量算法及其在故障診斷中的應用04-30

改進遺傳算法及其在聚類分析上的應用04-28

改進的EKF算法在目標跟蹤中的運用04-30

一種改進的禁忌搜索算法及其在連續全局優化中的應用04-29

球面Delaunay三角網更新算法及其在GPS網絡中的應用研究04-26

SSDA的改進算法04-26

有限單元算法在水質模擬中的應用研究04-26

改進的TOPMODEL在流域洪水模擬中的應用研究04-26