针对目前危险性分级方法的不足,提出了基于故障树分析(fault tree analysis,FTA)与最小支持向量机(least square support vector machine,LS-SVM)的航空部件危险性定量分级方法。首先通过布尔代数法对FTA进行逻辑描述,采用概率重要度表...针对目前危险性分级方法的不足,提出了基于故障树分析(fault tree analysis,FTA)与最小支持向量机(least square support vector machine,LS-SVM)的航空部件危险性定量分级方法。首先通过布尔代数法对FTA进行逻辑描述,采用概率重要度表示部件失效的后果严重程度,在此基础上通过LS-SVM对航空部件的危险性进行分级。实例证明,该方法能够准确地反映航空部件对飞行安全的影响。展开更多
支持向量机(Support vector machine,SVM)作为一种经典的分类方法,已经广泛应用于各种领域中。然而,标准支持向量机在分类决策中面临以下问题:(1)未考虑分类数据的分布特征;(2)忽略了样本类别间的相对关系;(3)无法解决大规模分类问题。...支持向量机(Support vector machine,SVM)作为一种经典的分类方法,已经广泛应用于各种领域中。然而,标准支持向量机在分类决策中面临以下问题:(1)未考虑分类数据的分布特征;(2)忽略了样本类别间的相对关系;(3)无法解决大规模分类问题。鉴于此,提出融合数据分布特征的保序学习机(Rank preservation learning machine based on data distribution fusion,RPLM-DDF)。该方法通过引入类内离散度表征数据的分布特征;通过各类样本数据中心位置相对不变保证全局样本顺序不变;通过建立所提方法和核心向量机对偶形式的等价性解决了大规模分类问题。在人工数据集、中小规模数据集和大规模数据集上的比较实验验证所提方法的有效性。展开更多
文摘针对目前危险性分级方法的不足,提出了基于故障树分析(fault tree analysis,FTA)与最小支持向量机(least square support vector machine,LS-SVM)的航空部件危险性定量分级方法。首先通过布尔代数法对FTA进行逻辑描述,采用概率重要度表示部件失效的后果严重程度,在此基础上通过LS-SVM对航空部件的危险性进行分级。实例证明,该方法能够准确地反映航空部件对飞行安全的影响。
文摘支持向量机(Support vector machine,SVM)作为一种经典的分类方法,已经广泛应用于各种领域中。然而,标准支持向量机在分类决策中面临以下问题:(1)未考虑分类数据的分布特征;(2)忽略了样本类别间的相对关系;(3)无法解决大规模分类问题。鉴于此,提出融合数据分布特征的保序学习机(Rank preservation learning machine based on data distribution fusion,RPLM-DDF)。该方法通过引入类内离散度表征数据的分布特征;通过各类样本数据中心位置相对不变保证全局样本顺序不变;通过建立所提方法和核心向量机对偶形式的等价性解决了大规模分类问题。在人工数据集、中小规模数据集和大规模数据集上的比较实验验证所提方法的有效性。
