-
题名一种改进的粒子群和K均值混合聚类算法
被引量：79
- 1
-
-
作者
陶新民
徐晶
杨立标
刘玉
-
机构
哈尔滨工程大学信息与通信工程学院
黑龙江科技学院数力系
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2010年第1期92-97,共6页
-
基金
哈尔滨工程大学校科研基金(002080260735)
黑龙江省博士后基金(LBH-Z08227)资助课题
-
文摘
该文针对K均值聚类算法存在的缺点,提出一种改进的粒子群优化(PSO)和K均值混合聚类算法。该算法在运行过程中通过引入小概率随机变异操作增强种群的多样性,提高了混合聚类算法全局搜索能力,并根据群体适应度方差来确定K均值算法操作时机,增强算法局部精确搜索能力的同时缩短了收敛时间。将此算法与K均值聚类算法、基于PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,数据实验证明,该算法有较好的全局收敛性,不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和收敛速度都有显著提高。
-
关键词
K均值算法
粒子群优化算法
随机变异
适应度方差
-
Keywords
K-means algorithm
Particle Swarm Optimization（PSO） algorithm
Stochastic mutation
Fitness variance
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名不均衡数据下基于SVM的故障检测新算法
被引量：22
- 2
-
-
作者
陶新民
刘福荣
童智靖
杨立标
-
机构
哈尔滨工程大学信息与通信工程学院
哈尔滨电力职业技术学院信息工程系
-
出处
《振动与冲击》
EI
CSCD
北大核心
2010年第12期8-12,29,共6页
-
基金
国家自然科学基金面上项目(61074076)
中国博士后科学基金(20090450119)
教育部博士点新教师基金(20092304120017)
-
文摘
针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。
-
关键词
故障检测
支持向量机
SMOTE算法
K近邻方法
代价敏感
-
Keywords
fault detection
support vector machine
SMOTE
K-nearest neighbors
cost-sensitive
-
分类号
TH17
[机械工程—机械制造及自动化]
TP306
[自动化与计算机技术—计算机系统结构]
-
-
题名基于GARCH模型MSVM的轴承故障诊断方法
被引量：8
- 3
-
-
作者
陶新民
徐晶
杨立标
刘玉
-
机构
哈尔滨工程大学信息与通信工程学院
黑龙江科技学院数力系
-
出处
《振动与冲击》
EI
CSCD
北大核心
2010年第5期11-15,236-237,共5页
-
基金
中国博士后科学基金(20090450119)
中国博士点新教师基金(20092304120017)
黑龙江省博士后基金(LBH-Z08227)
-
文摘
针对振动信号因非平稳性导致自回归(AR)模型无法有效描述信号特征的不足,提出一种基于广义自回归条件异方差(GARCH)模型多类支持向量机(MSVM)的故障诊断方法。该方法首先利用GARCH模型拟合各种故障信号,将所得模型参数作为故障诊断特征,以MSVM作为故障诊断方法。试验结果验证了GARCH模型方法的可行性和有效性,同时将该方法同基于AR模型的方法及其改进方法进行比较,结果表明该方法在诊断率及诊断时间上都有明显提高。
-
关键词
故障诊断GARCH模型
多类支持向量机
-
Keywords
fault diagnosis
GARCH model
multi-class support vector machine(MSVM)
-
分类号
TH17
[机械工程—机械制造及自动化]
TP306
[自动化与计算机技术—计算机系统结构]
-
