基于聚类、粗糙集和支持向量机的故障诊断

• 作者: 张明 龙鹏飞
• 来源期刊: 微机发展
• 学科: 工学
• 关键词: K均值聚类 粗糙集 支持向量机 故障诊断
• 年，卷（期）: 2004,（8）
• 所属期刊栏目: 智能与算法研究
• 页码范围: 38-40
• 页数: 3页
• 分类号: TP306.3
• 字数: 2661字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2004.08.012

摘要

故障诊断有多种方法,利用支持向量机进行故障诊断是其中一种比较有效的方法.但是,故障征兆往往有多个,很难确定哪些征兆是关键的,哪些征兆是冗余的,这样就要搜集处理大量的数据,使支持向量机的结构变得复杂,诊断效率不高.为了提高故障诊断的效率,文中提出一种将K均值聚类、粗糙集、支持向量机相结合进行故障诊断的方法.这种方法首先利用K均值聚类对数据进行预处理,然后利用粗糙集对属性进行约简,最后再用支持向量机进行故障诊断.这样可以充分发挥粗糙集与支持向量机各自的优势,实例证明它可以提高故障诊断的速度和精确度,是一种较好的故障诊断方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙鹏飞	长沙理工大学计算机与通信工程学院	33	235	10.0	13.0
2	张明	长沙理工大学计算机与通信工程学院	13	48	5.0	6.0