| 半监督增量式SVM在故障诊断中的应用研究 |
| |
| 引用本文： | 罗显科,柴毅,李华锋,梁奕欢. 半监督增量式SVM在故障诊断中的应用研究[J]. 世界科技研究与发展, 2013, 35(4) |
| |
| 作者姓名： | 罗显科 柴毅 李华锋 梁奕欢 |
| |
| 作者单位： | 重庆大学自动化学院,重庆,400044 |
| |
| 基金项目： | 国家自然科学基金，重庆市攻关项目 |
| |
| 摘 要： | 基于半监督学习能够有效降低人工标注成本,以及增量学习可以加快训练速度,避免数据量大时训练时间过长等特性,本文提出了一种半监督增量式SVM算法.在算法中,首先对已标记样本进行训练得到初始分类器,然后利用此分类器对新增样本进行标记,最后结合KKT条件选择合适的样本对分类器进行更新.每当有新样本加入便执行以上过程,以保证分类器得到及时更新.将该算法运用于6135D型柴油机的故障诊断中,并与传统SVM算法和增量式SVM算法进行了对比,证实了本文所提算法的可行性与有效性.
|
| 关 键 词： | 支持向量机(SVM) 半监督学习 增量学习 故障诊断 |
Application Research of Semi-supervised Incremental SVM on Fault Diagnosis |
| |
| LUO Xianke , CHAI Yi , LI Huafeng , LIANG Yihuan. Application Research of Semi-supervised Incremental SVM on Fault Diagnosis[J]. World Sci-tech R & D, 2013, 35(4) |
| |
| Authors: | LUO Xianke CHAI Yi LI Huafeng LIANG Yihuan |
| |
| Abstract: | |
| |
| Keywords: | Support Vector Machine (SVM) semi-supervised learning incremental learning fault diagnosis |
| 本文献已被 万方数据 等数据库收录！ |
|
