最小二乘支持向量机及其在故障诊断中的应用

被引:8
作者
崔世林
樊京
机构
[1] 南阳理工学院
关键词
SVM; SMO; LS-SVM; c#;
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
从支持向量机的有关理论出发,介绍了适用于LS-SVM的SMO算法,并用c#语言实现了基于SMO算法的故障诊断。
引用
收藏
页码:214 / 216
页数:3
相关论文
共 5 条
[1]   基于DCOM技术实现的控制系统 [J].
高世伟 ;
刘彩虹 ;
刘亚利 .
微计算机信息, 2005, (11) :1-2+23
[2]   基于支持向量机的化工过程故障诊断 [J].
陈剑雪 ;
侍洪波 .
华东理工大学学报, 2004, (03) :315-317
[3]   支持向量机及其应用研究 [J].
罗雪晖 ;
李霞 ;
张基宏 .
深圳大学学报, 2003, (03) :40-46
[4]  
Convergence of a Generalized SMO Algorithm for SVM Classifier Design[J] . S.S. Keerthi,E.G. Gilbert.Machine Learning . 2002 (1)
[5]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300