不均衡数据下基于SVM的故障检测新算法

被引：21

作者：

陶新民 ^{[1
]}

刘福荣 ^{[2
]}

童智靖 ^{[1
]}

杨立标 ^{[1
]}

机构：

[1] 哈尔滨工程大学信息与通信工程学院

[2] 哈尔滨电力职业技术学院信息工程系

来源：

振动与冲击 | 2010年 / 29卷 / 12期

基金：

中国博士后科学基金;

关键词：

故障检测; 支持向量机; SMOTE算法; K近邻方法; 代价敏感;

D O I：

10.13465/j.cnki.jvs.2010.12.049

中图分类号：

TH165.3 [];

学科分类号：

摘要：

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。

引用

页码：8 / 12+29+234 +29

页数：7

共 8 条

[1] 基于紧密度FSVM新算法及在故障检测中的应用 [J].