基于支持向量机故障分类器的参数优化研究

被引:11
作者
张周锁
李凌均
何正嘉
不详
机构
[1] 西安交通大学机械工程学院
[2] 西安交通大学机械工程学院 西安
[3] 西安
基金
国家科技攻关计划;
关键词
支持向量机; 故障分类器; 参数优化;
D O I
暂无
中图分类号
TB11 [工程数学];
学科分类号
0701 ; 070104 ;
摘要
针对基于支持向量机故障分类器的参数优化问题,讨论了以半径-间距上界(RM界)最小化为目标的支持向量机参数优化的原理,提出了一种简化算法.针对梯度下降算法计算复杂和在梯度无法求出时不能实现优化的不足,简化算法不需计算梯度,而是利用固定的迭代步长来实现核函数一个参数的优化.依据简化算法实现了二分类故障分类器的参数优化,并应用于汽轮发电机组的蒸汽激励和轴瓦松动故障的分类器中.测试结果表明,通过参数优化可提高故障分类器的分类能力.
引用
收藏
页码:1101 / 1104+1109 +1109
页数:5
相关论文
共 3 条
[1]   基于支持向量机的机械故障诊断方法研究 [J].
张周锁 ;
李凌均 ;
何正嘉 .
西安交通大学学报, 2002, (12) :1303-1306
[2]  
统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000
[3]   Choosing Multiple Parameters for Support Vector Machines [J].
Olivier Chapelle ;
Vladimir Vapnik ;
Olivier Bousquet ;
Sayan Mukherjee .
Machine Learning, 2002, 46 :131-159