非线性多维时问序列模式分类的新方法

• 作者: 朱小强 程健 陈光昀 龚平华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非线性时间序列 K-Isomap 支持向量机 模式分类 TE过程
• 年，卷（期）: 2011,（32）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 128-131
• 分类号: TP301
• 字数: 3590字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.32.037

摘要

多变量非线性时间序列的模式分类是在工业过程领域广泛存在的问题,结合流形学习和支持向量分类机的特点,提出了解决该类问题的一个新方法.该方法应用核化流形学习算法K-Isomap,将高维非线性时间序列映射到低维特征空间实现维数约减,在低维特征空间中采用支持向量机设计分类器实现非线性时间序列的模式分类,该方法充分利用核化流形学习的特点,得到了较好的模型性能.应用该方法对Tennessee Eastman(TE)过程的故障分类进行了实验分析,结果表明该方法的有效性.