基于改进的QBC和CS-SVM的故障检测

• 作者: 唐明珠 桂卫华 阳春华
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 主动学习 代价敏感支持向量机 委员会投票选择算法 故障检测
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1489-1493
• 分类号: TP18
• 语种: 中文

摘要

针对复杂工业过程样本集中的类不平衡、样本标注代价昂贵和样本孤点的问题,研究基于委员会投票选择(MQBC)和代价敏感支持向量机(CS-SVM)的故障检测方法.给出未标注样本信息度的定义,提出改进的委员会投票选择算法.主动代价敏感学习通过MQBC选择信息度高的未标注样本对其标注并添加到训练集.CS-SVM将不同类样本的误分类赋予不同的误分类代价,从而提高CS-SVM的故障检测率.最后,以铜闪速熔炼过程为例,实验结果验证了所提出方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳春华	中南大学信息科学与工程学院	389	3229	27.0	37.0
2	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
3	唐明珠	中南大学信息科学与工程学院	6	96	5.0	6.0