应用于故障诊断的SVM理论研究

被引:33
作者
肖健华
樊可清
吴今培
杨叔子
机构
[1] 华中科技大学机械学院信息研究所
[2] 五邑大学智能技术与系统研究所
基金
广东省自然科学基金;
关键词
故障诊断; 支持向量机; 最优分类面; 模式识别; 诊断可信度函数;
D O I
10.16450/j.cnki.issn.1004-6801.2001.04.005
中图分类号
TP277 [监视、报警、故障诊断系统];
学科分类号
0804 ; 080401 ; 080402 ;
摘要
分析了利用支持向量机进行模式分类的原理 ,指出最优分类面上的样本相对于两类误判而言是等概率的而非等风险的。针对机械故障诊断中两类错误分类具有不同损失的特点 ,说明直接将支持向量机应用于该领域存在不足。在此基础上 ,提出了诊断可信度函数 ,并在特征空间中 ,对最优分类面进行重新设计 ,使其符合等损失的要求。文中算例说明了该方法在实际应用中的可行性。
引用
收藏
页码:26 / 30+62
页数:6
相关论文
共 1 条
[1]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167