基于节点优化的决策树支持向量机及在故障诊断中的应用

• 作者: 汪正东 王晴晴 赵小虎 黄衍法
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 支持向量机 故障诊断 多分类 决策树 结点优化
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 故障·诊断
• 页码范围: 241-243
• 分类号: TP212|TP306
• 字数: 1915字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0794.2010.06.103

摘要

针对目前故障诊断中,难以获得大量的故障数据样本以及诊断知识获取困难等不足,提出了专门针对有限样本的新一代机器学习的算法一支持向量机(SVM),它在样本很少的情况下具有较好的泛化能力,比较适合解决故障诊断小样本情况的实际问题.在多故障诊断时,必须先进行多分类扩展,决策树是一种性能优秀的多分类扩展策略,但该方法的决策结果与结点的排部密切相关,结点的排部影响了诊断的正确率,提出一种根据故障数据的空间分布来优化结点排部的方法,它能够提高支持向量机诊断的正确率.采用该方法扩展的多分类支持向量机在故障诊断中获得良好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵小虎	中国矿业大学信息与电气工程学院	17	190	4.0	13.0
2	汪正东	中国矿业大学信息与电气工程学院	3	12	2.0	3.0
3	王晴晴	中国矿业大学信息与电气工程学院	6	17	3.0	4.0