|
|||||
|
|
| DAG SVM的结构优化研究及其在故障诊断中的应用 | |
| 作者姓名： | 陈思羽 宁芊 周新志 赵成萍 雷印杰 |
| 作者单位： | 四川大学电子信息学院;四川大学电子信息学院;四川大学电子信息学院;四川大学电子信息学院;四川大学电子信息学院 |
| 基金项目： | 国家973计划项目（2013CB328903 2） |
| 摘 要： | 有向无环图支持向量机(DAG-SVM)是一种新颖且使用广泛的多分类算法.传统DAG-SVM由于需要训练的SVM分类器较多,在工程中训练耗时长.又由于传统DAGSVM分类效果受到结构排序影响,导致其分类效果具有随机性.针对以上两个问题,通过结构重组减少SVM分类器个数从而缩短了训练时间,通过对训练数据的重新划分计算产生了最优分类排序,提高了分类正确率.仿真测试与工程实践证明,本文方法相对传统DAGSVM方式,能缩短训练时间,且拥有更高的分类正确率. |
| 关 键 词： | 支持向量机 有向无环图 多分类 故障诊断 |
| 收稿时间： | 2014-04-16 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《四川大学学报(自然科学版)》下载全文 | |