基于样本约简的实时 SVDD 算法与电路故障检测应用

• 作者: 杜敏杰 蔡金燕
• 来源期刊: 微电子学与计算机
• 关键词: SVDD 计算复杂度 支持向量 样本约简
• 年，卷（期）: 2013,（7）
• 页码范围: 86-90
• 页数: 5页
• 分类号: TP26
• 语种: 中文

摘要

针对支持向量数据描述（SVDD）训练大规模样本时计算复杂度太大的问题，提出了一种基于样本约简的实时SVDD算法。该算法首先通过随机抽样的方法从原始样本集中抽取一定规模样本用于SVDD训练；然后用训练得到的支持向量对特征空间中的样本中心进行估计；最后计算原始样本集中所有样本到中心的距离，并对所有距离按降序排列，通过提取一定比例距离较大的样本作为训练样本集对SVDD进行训练，最终实现了训练样本规模约简。实验结果表明：算法有效削减了训练复杂度，满足了SVDD故障检测的实时性要求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡金燕	军械工程学院电子与光学工程系	144	811	13.0	18.0
2	杜敏杰	军械工程学院电子与光学工程系	14	35	3.0	5.0