黑龙江省教育厅资助项目(11555009)
- 作品数：2 被引量：7H指数：2
- 相关作者：陶新民付丹丹宋少宇曹盼东徐鹏更多>>
- 相关机构：哈尔滨工程大学更多>>
- 发文基金：中国博士后科学基金黑龙江省博士后基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 基于谱聚类下采样失衡数据下SVM故障检测被引量：3
- 2013年
- 在故障诊断领域中,对传统支持向量机(SVM)算法在数据失衡情况下无法有效实现故障检测的不足,提出一种基于谱聚类下采样失衡数据下SVM故障检测算法。该算法在核空间中对多数类进行谱聚类,然后选择具有代表意义的信息点,最终实现样本均衡。将该算法应用在轴承故障检测领域,并同其他算法进行比较,试验结果表明所建议的算法在失衡数据情况下较其他算法具有较强的故障检测性能。
- 陶新民张冬雪郝思媛徐鹏
- 关键词：故障检测谱聚类下采样
- 基于Laplacian正则化的半监督SVM轴承故障检测新方法
- 在轴承故障检测系统中,为了能充分利用大量未标示的样本信息来增强故障检测的性能,本文提出了一种基于Laplacian正则化的半监督SVM故障检测方法。该方法通过在优化函数中增加描述未标示样本集合信息的光滑正则项来发挥未标示...
- 陶新民宋少宇刘福荣曹盼东
- 关键词：故障检测LAPLACIAN正则化
- 文献传递
- 基于两阶段学习的半监督SVM故障检测方法被引量：4
- 2012年
- 提出一种基于两阶段学习的半监督SVM故障检测方法。该方法首先使用标识传递算法给未标识样本赋予初始伪标识,并通过k近邻图对比样本点标识值,将可能是噪声的样本点识别并剔除;然后将去噪处理后的样本集输入到SVM中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的故障检测性能。实验中将该方法同支持向量机(SVM)、模糊支持向量机(FSVM)、直推式支持向量机(TSVM)及拉普拉斯支持向量机算法(LapSVM)进行比较,结果表明该方法在不同数目标识样本集合的情况下,检测精度较其他算法有较大幅度提高,同时该方法还比较了不含测试样本和含测试样本训练条件下的故障检测性能,结果表明结合测试样本可进一步提高算法的故障检测性能。
- 陶新民曹盼东宋少宇付丹丹
- 关键词：故障检测
