- 1、本文档共3页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
svm多类分类算法及其在故障诊断中的应用.pdf
第 17卷增刊 振 动 工 程 学 报 Vol.17No.S
2004年8月 JournalofVibrationEngineering Aug.2004
svm 多类分类算法及其在故障诊断中的应用
袁胜发,2‘褚福磊 ‘
(’清华大学精密仪器与机械学系 北京,100084)(南方冶金学院机电工程学院 赣州,341000)
摘 要 支持向量机理论最初是针对两类问题线性可分的模式识别提出来的。在故障诊断领域,多类故障诊断是
经常出现的向题。介绍了几种基于支持向量机的多类分类算法的原理,在此基础上提出一种权重二叉树多类分类
算法,考虑故障状态和正常状态、重要故障和次要故障、常见故障和不常见故障之间的权重不同,适当把最佳分类
面往远离重要的或常见的类别一方偏离一定的距离。在小样本情况下对转子模拟试验台典型的多类故障进行诊
断,结果表明它比较符合实际工程要求。
关健词:支持向量机;SVM;多类;故障诊断
中圈分类号:TH165.3
练样本数目随类别数k增加,推广误差无界,如果单
1支持向盘机的多类分类算法 个分类器不规范,则整个k类分类器将趋于过学习。
目前支持向量机(SupportVectorMachine, 1.3 有向无环图算法
SVM)的多类分类算法大致可以分为两大类 一〔‘〕“: 这种算法在训练阶段和1-v-1算法一样,但是
(1)在两类支持向量机的理论基础上,直接在目标函 在分类阶段将所有k(k一1)/2个两类SVM分类器
数上进行改进,重新构造多值分类模型,建立k类支 组成一种两向有向无环图的节点,k个类别是底层
持向量机。通过对新的目标函数进行优化,“一次性” 的“叶”,如图1。当对一个新样本进行分类时,首先
地实现多类分类。这种算法的目标函数十分复杂,变 从顶部的分类器开始,根据顶部的分类器分类结果,
量数目过多,计算复杂度也非常高,训练速度以及分 采用下一层的左节点还是右节点的分类器继续分
类精度不高1[3-41o(2)通过组合一系列两类支持向量 类,直到底层的某个 “叶”为止,该 “叶”就是新样本所
机来实现多类分类,目前故障诊断中大都采用这种算 属的类别。这种算法训练阶段和1-v-1算法一样,但
法。这种算法又分为下面几种分支算法: 是在分类时只用了k-1个分类器,分类速度快于
1-v-1算法。
1.1 1-v-r算法
类别:(1,2,3,4)
对于k类问题一共构造k个两类SVM分类器。
构造第i个SVM分类器用第i类中的训练样本作为 SVM 14
一大类,其余所有的样本作为另外一大类。分类时,将
新样本分类为具有最大输出的那个分类器的那一类。
其缺点是训练样本数目大,训练困难,推广误差无界。
1.2 1-v-1算法
在所有k类训练样本中所有两类样本之间构建
一个SVM分类器,这样共可以构建k(k-1)/2个两 图1 有向无环图SVM算法
类分类器。当对一个新样本进行分类时,每个分类器
1.4 二叉树多类分类算法
都对其类别进行分类,并为相应的类别加上一票,最
后得票最多的类别为新样本所属的类别。其缺点是训 这种算法把k类中最相近的k一1类看作一大
国家自然科学基金资助项目(编号和教育部 “跨世纪优秀人才培养计划”基金资助
收稿 日期:2004-03-20
振 动 工 程 学 报 第 17卷
类,把余下的一类看作另外一大类,建立一个两类的 本重复训
文档评论(0)