粗SVM方法及其在发动机故障诊断中的应用

• 作者: 吴志强 李学仁 王雪飘
• 来源期刊: 科技与创新
• 关键词: 粗糙集 支持向量机 航空发动机 故障诊断
• 年，卷（期）: 2008,（31）
• 所属期刊栏目: 故障诊断
• 页码范围: 189-191
• 页数: 3页
• 分类号: TP206
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2008.31.081

摘要

支持向量机是一种具有完备统计学习理论基础和出色学习性能的新型机器学习方法,它能够较好地克服过学习和泛化能力低等缺陷.但是在利用支持向量机的分类算法处理实际问题时,该算法的计算速度较慢、处理问题效率较低.文中介绍了一种新的学习算法粗SVM分类方法,就是将粗糙集和支持向量机相结合,利用粗糙集对支持向量机的训练样本进行预处理,通过属性约简方法以减少属性个数,且在属性约简过程中选出几组合适的属性集组成新的属性集,使模型具有一定的抗信息丢失能力,同时充分利用SCM的良好推广性能,从而缩短样本的训练时间,实现快速故障诊断.对航空发动机故障诊断的实验结果表明了该方法的优越性. 型机器学习方法,它能够较好地克服过学习和泛化能力低等缺陷.但是在利用支持向量机的分类算法处理实际问题时,该算法的计算速度较慢、处理问题效率较低.文中介绍了一种新的学习算法粗SVM分类方法,就是将粗糙集和支持向量机相结合,利用粗糙集对支持向量机的训练样本进行预处理,通过属性约简方法以减少属性个数,且在属性约筒过程中选出几组合适的属性集组成新的属性集,使模型具有一定的抗信息丢失能力,同时充分利用SCM的良好推广性能,从而缩短样本的训练时间,实现快速故障诊 .对航空发动机故障诊断的实验结果表明了该方法的优越性. 型机器学习方法

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李学仁	空军工程大学工程学院	60	331	10.0	16.0
2	王雪飘	空军工程大学工程学院	2	8	2.0	2.0