-
题名最小二乘超球多类支持向量机
被引量：1
- 1
-
-
作者
徐图
-
机构
西南交通大学信息科学与技术学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2009年第23期7468-7472,共5页
-
基金
西南交通大学青年教师科研起步项目(2008Q109)
-
文摘
超球体多类支持向量机(HSMC-SVM)是一种直接型多类分类器,具有训练速度快,检测效率高的优点,但由于HSMC-SVM使用一阶范数软间隔作为目标函数的惩罚项,使得其训练精度受到一定影响,为了提高HSMC-SVM训练精度,将最小二乘法引入到HSMC-SVM中,提出了最小二乘超球多类支持向量机(LSHS-MCSVM)的概念,并且分析了它的训练算法和判决规则,从而形成了完整的LSHS-MCSVM分类理论。实验表明,LSHS-MCSVM无论在训练速度上还是在泛化性能上都要优于HSMC-SVM,适合于分类类别多,样本数量大的多分类场合。
-
关键词
支持向量机
多类支持向量机
SMO训练算法
工作集选择
最小二乘超球多类支持向量机
-
Keywords
support vector machine（SVM）
multi-class SVM
SMO algorithm
work set selection
LSHS-MCSVM
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于特征处理的MVU算法在齿轮故障诊断中的应用
被引量：1
- 2
-
-
作者
陈俊康
陈小虎
王旭平
蒋成伟
-
机构
火箭军工程大学作战保障学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第1期123-130,共8页
-
基金
总装备部预研重点基金(9140A27020309JB4701)
-
文摘
针对不同故障类别齿轮的故障信息难以有效获取、齿面多类故障难以准确聚类的问题,提出一种基于特征处理的最大方差展开(Maximum Variance Unfolding,MVU)维数简约的齿轮故障诊断模型。首先对获取的振动信号进行最小熵反卷积(Minimum Entropy Deconvolution,MED)预处理,将高低频段进行分离并筛除不确定信号,并在多域上提取信息熵作为特征指标;而后,利用样本点分布矩阵筛选高效表征特征指标并构建高维特征空间,并利用改进的MVU算法对其进行维数简约,获取低维的真实子空间;最后,将其输入到超球多类支持向量机中进行超球构造与分类识别。通过实验数据的分析对比验证模型的有效性。
-
关键词
信息熵
特征处理
最大方差展开
超球多类支持向量机
齿轮
-
Keywords
information entropy
feature processing
maximum variance unfolding
hyper-sphere multiclass support vector machine
gear
-
分类号
TH132.41
[机械工程—机械制造及自动化]
-
