学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
改进的SVM算法及其在故障诊断中的应用研究
被引:8
作者
:
张金泽
论文数:
0
引用数:
0
h-index:
0
机构:
军械工程学院光学与电子工程系
张金泽
单甘霖
论文数:
0
引用数:
0
h-index:
0
机构:
军械工程学院光学与电子工程系
单甘霖
机构
:
[1]
军械工程学院光学与电子工程系
来源
:
电光与控制
|
2006年
/ 06期
关键词
:
支持向量机(SVM);
多类分类方法;
k-近邻法;
故障诊断;
D O I
:
暂无
中图分类号
:
TP18 [人工智能理论];
学科分类号
:
081104 ;
0812 ;
0835 ;
1405 ;
摘要
:
介绍了支持向量机用于解决模式分类问题的基本原理,在对传统的多分类方法OVO(one-versus-one)深入分析的基础上,针对其存在的不可分类区问题,提出了一种改进的模式分类方法KSVM(KNN-SVM),将k-近邻方法嵌入到SVM算法中解决不可分类区问题,进一步提高了分类准确率。应用KSVM分类方法进行模拟电路的故障诊断,实验结果验证了该方法的有效性和实用性。
引用
收藏
页码:97 / 100
页数:4
相关论文
共 1 条
[1]
UCI Repository of Machine LearningDatabases .2 BLAKE C L,MERZ C J. http://www.ics.uci.Edu/~mlearn/MLRepository.Html . 1998
←
1
→
共 1 条
[1]
UCI Repository of Machine LearningDatabases .2 BLAKE C L,MERZ C J. http://www.ics.uci.Edu/~mlearn/MLRepository.Html . 1998
←
1
→