期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于蚁群SVDD和聚类方法的旋转机械故障诊断
被引量：
7
1
作者
杜文辽
李安生
+2 位作者
孙旺
李彦明
刘成良
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2012年第9期1440-1444,共5页
针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述(SVDD)新异类检测与基于Davies Bouldin指数(DBI)的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利...
针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述(SVDD)新异类检测与基于Davies Bouldin指数(DBI)的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利用蚁群算法对SVDD模型参数进行优化;然后,当拒绝样本数目累积到设定的阈值时,利用K均值聚类方法对其进行处理而获得能够进行标记的类别,其中,K均值聚类的类型数目由DBI辅助确定;最后,针对所标记的各类样本,分别建立SVDD模型并进行训练,将SVDD分类器按照二叉树形式构建系统状态的完整诊断模型.同时,利用滚动轴承多故障模式样本进行训练测试,以验证所提出算法的有效性.结果表明,所提出算法的训练速度为常规网格搜索算法的近10倍,DBI能够有效确定聚类的数目,对样本状态的识别率达到100%.
展开更多
关键词
蚁群支持向量数据描述
K均值聚类
Davies
Bouldin指数
旋转机械
故障诊断
在线阅读
下载PDF
职称材料
基于多目标蚁群优化的单类支持向量机相似重复记录检测
被引量：
12
2
作者
吕国俊
曹建军
+3 位作者
郑奇斌
常宸
翁年凤
彭琮
《兵工学报》
EI
CAS
CSCD
北大核心
2020年第2期324-331,共8页
为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记...
为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记录样本对进行训练;选择合适的属性相似度函数计算记录对之间的相似特征向量,将其作为单类支持向量机分类器的输入进行二分类检测;建立以查准率、查全率、特征数量综合最优为目标的多目标特征选择模型,结合训练样本为单类样本的特点,将启发式因子定义为类内散度最小化约束,设计了求解模型的多目标蚁群算法。通过将单类支持向量机算法和支持向量域描述算法、传统二分类支持向量机算法进行对比,结果验证了单类支持向量机算法的有效性和优越性。
展开更多
关键词
数据清洗
相似重复记录检测
多目标蚁群算法
特征选择
单类支持向量机
支持向量域描述
在线阅读
下载PDF
职称材料
题名
基于蚁群SVDD和聚类方法的旋转机械故障诊断
被引量：
7
1
作者
杜文辽
李安生
孙旺
李彦明
刘成良
机构
上海交通大学机械系统与振动国家重点实验室
郑州轻工业学院机电工程学院
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2012年第9期1440-1444,共5页
基金
国家自然科学基金资助项目(61175038)
上海市科技创新行动计划资助项目(11dz1121500
+2 种基金
11JC1405800)
机械系统与振动国家重点实验室项目资助(MSVMS201103
MSV-2012-06)
文摘
针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述(SVDD)新异类检测与基于Davies Bouldin指数(DBI)的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利用蚁群算法对SVDD模型参数进行优化;然后,当拒绝样本数目累积到设定的阈值时,利用K均值聚类方法对其进行处理而获得能够进行标记的类别,其中,K均值聚类的类型数目由DBI辅助确定;最后,针对所标记的各类样本,分别建立SVDD模型并进行训练,将SVDD分类器按照二叉树形式构建系统状态的完整诊断模型.同时,利用滚动轴承多故障模式样本进行训练测试,以验证所提出算法的有效性.结果表明,所提出算法的训练速度为常规网格搜索算法的近10倍,DBI能够有效确定聚类的数目,对样本状态的识别率达到100%.
关键词
蚁群支持向量数据描述
K均值聚类
Davies
Bouldin指数
旋转机械
故障诊断
Keywords
ant colony support vector date description （svdd）
K-cluster method
Davies Bouldin index
rotating mechanism
fault diagnosis
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于多目标蚁群优化的单类支持向量机相似重复记录检测
被引量：
12
2
作者
吕国俊
曹建军
郑奇斌
常宸
翁年凤
彭琮
机构
陆军工程大学指挥控制工程学院
国防科技大学第六十三研究所
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2020年第2期324-331,共8页
基金
国家自然科学基金面上项目(61371196)
中国博士后科学基金项目(2015M582832)
文摘
为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记录样本对进行训练;选择合适的属性相似度函数计算记录对之间的相似特征向量,将其作为单类支持向量机分类器的输入进行二分类检测;建立以查准率、查全率、特征数量综合最优为目标的多目标特征选择模型,结合训练样本为单类样本的特点,将启发式因子定义为类内散度最小化约束,设计了求解模型的多目标蚁群算法。通过将单类支持向量机算法和支持向量域描述算法、传统二分类支持向量机算法进行对比,结果验证了单类支持向量机算法的有效性和优越性。
关键词
数据清洗
相似重复记录检测
多目标蚁群算法
特征选择
单类支持向量机
支持向量域描述
Keywords
data cleaning
similar duplicate record detection
multi-objective
ant
colony
algorithm
feature selection
one-class
support
vector
machine
support
vector
domain
description
分类号
TP311.11 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于蚁群SVDD和聚类方法的旋转机械故障诊断
杜文辽
李安生
孙旺
李彦明
刘成良
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2012
7
在线阅读
下载PDF
职称材料
2
基于多目标蚁群优化的单类支持向量机相似重复记录检测
吕国俊
曹建军
郑奇斌
常宸
翁年凤
彭琮
《兵工学报》
EI
CAS
CSCD
北大核心
2020
12
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
