国防科技技术预先研究基金(9140A27020211JB3402)
- 作品数：4 被引量：16H指数：2
- 相关作者：段修生文波单甘霖杨青付强更多>>
- 相关机构：中国人民解放军军械工程学院中国人民解放军71834部队更多>>
- 发文基金：国防科技技术预先研究基金更多>>
- 相关领域：自动化与计算机技术电子电信兵器科学与技术更多>>
- 一种新的超球SVDD增量学习方法被引量：2
- 2015年
- 在基于支持向量数据描述(SVDD)的故障诊断中,往往随着故障数据的不断增加而不断地进行再训练以调整诊断模型,浪费了大量时间。为了解决这一问题,提出一种新的SVDD增量学习算法。该方法在深入分析训练结果与数据样本的关系,多次利用KKT条件,对样本进行筛选,最终选择出影响最终结果的少量训练样本。通过实际电路故障提取采集数据并诊断,所得结果表明该算法可以选择出所有影响结果的相关样本,保证了准确率并避免了大量样本训练,节省了时间。
- 段修生曹健孙世宇张泽建
- 关键词：SVDD故障诊断
- 基于KKT条件与壳向量的增量学习算法研究被引量：9
- 2013年
- 针对经典支持向量机难以快速有效地进行增量学习的缺点,提出了基于KKT条件与壳向量的增量学习算法,该算法首先选择包含所有支持向量的壳向量,利用KKT条件淘汰新增样本中无用样本,减小参与训练的样本数目,然后在新的训练集中快速训练支持向量机进行增量学习。将该算法应用于UCI数据集和电路板故障分类识别,实验结果表明,该算法不仅能保证学习机器的精度和良好的推广能力,而且其学习速度比经典的SMO算法快,可以进行增量学习。
- 文波单甘霖段修生
- 关键词：支持向量机KKT条件
- 基于SVR的火控系统解算诸元数据拟合方法被引量：3
- 2016年
- 火控系统动态精度测试,需要以对火控系统实际输出射击诸元数据的有效数据拟合为前提。采用SVR方法,可将非线性的复杂函数转化为高维特征空间的线性拟合问题。利用ε不敏感损失函数,描述了采用SVR对火控系统解算诸元的拟合方法,并通过与多项式拟合与神经网络拟合方法相比较,表明了SVR方法的有效性。
- 徐艳王志强付强杨青
- 关键词：SVR数据拟合火控系统
- 基于驱动错误准则的SVM增量学习研究被引量：2
- 2012年
- 增量学习广泛运用于人工智能、模式识别等诸多领域,是解决系统在训练初期样本量少而随时间推移性能降低的有效方法。本文针对经典支持向量机当训练样本数量多而运算速度较慢的缺点,在分析支持向量机的基础上,提出基于驱动错误准则的增量学习方法,实验结果表明,该算法不仅能保证学习机器的精度和良好的推广能力,而且算法的学习速度比经典的SVM算法快,可以进行增量学习。
- 文波单甘霖段修生
- 关键词：SVM
