差异性增强AdaBoostSVM及其故障诊断应用

• 作者: 李烨 王亚刚 许晓鸣
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 集成学习 AdaBoost 支持向量机 差异性 粗糙集 离散化 故障诊断
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 故障诊断、检测装置及仪表
• 页码范围: 1107-1111
• 页数: 5页
• 分类号: TP27
• 字数: 4404字
• 语种: 中文

摘要

提高大型发电机组振动故障分类的准确率具有重要的意义.集成学习通过构造多个成员分类器,然后组合其分类结果,可以获得比单个分类器更优异的泛化性能.采用以径向基函数核支持向量机(Support Vector Machine,SVM)为成员分类器的AdaBoost算法进行研究,其关键问题是如何适度弱化SVM同时增强其差异性.首先给出AdaBoostSVM算法,采用交叉验证法和网格搜索确定SVM的误差惩罚参数和核参数初始值,当迭代过程中成员分类器分类精度低于50％时,以指数幅度降低核参数值.为了进一步增强成员分类器的差异性,对训练样本集进行离散化,基于合适的断点选择策略,提出新的集成学习算法.在汽轮机轴系振动故障诊断问题上的仿真实验表明,AdaBoostSVM集成的泛化性能优于单个SVM,而离散化进一步提高了集成的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚刚	上海理工大学光电信息与计算机工程学院	134	472	11.0	15.0
2	李烨	上海理工大学光电信息与计算机工程学院	44	133	7.0	9.0
3	许晓鸣	上海理工大学光电信息与计算机工程学院	27	233	9.0	14.0