多SVM分类器融合的传感器故障容错研究

• 作者: 于达仁 胡清华 谢宗霞
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 多分类器融合 支持向量机 容错 传感器故障
• 年，卷（期）: 2006,（z1）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 389-392
• 页数: 4页
• 分类号: TP391.4
• 字数: 2723字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.2006.z1.082

摘要

在工业、农业等实际应用领域中,传感器是获取信息的主要工具,而当某个传感器发生故障时,单个决策系统的性能会急剧下降,甚至导致整个系统的瘫痪.为了提高决策系统的容错能力,将多分类器融合的方法应用到此领域.首先利用粗糙集的方法进行特征选择,得到3组不同的约简.再利用模糊输出支持向量机方法,训练出3个分类器.测试样本通过这3个分类器分别给出该样本属于各类的隶属度,再通过均值的融合方法,给出最后的分类决策.将该SVM多分类器融合方法应用于6组UCI标准数据集中,实验表明,传感器出现断路或短路故障时,单个分类器的分类精度急剧下降,但是通过融合的方法,使得最后的分类精度与原始精度基本相当.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于达仁	哈尔滨工业大学能源科学与工程学院	242	3647	29.0	50.0
2	胡清华	哈尔滨工业大学能源科学与工程学院	28	874	14.0	28.0
3	谢宗霞	哈尔滨工业大学能源科学与工程学院	3	347	3.0	3.0