一种基于TCM-SVDD的样本类别标注方法

• 作者: 崔立林 朱海潮
• 来源期刊: 中国舰船研究
• 学科: 交通运输
• 关键词: 异类样本 直推置信机 支持向量数据描述 小样本
• 年，卷（期）: 2014,（4）
• 页码范围: 88-92
• 页数: 5页
• 分类号: U661.44|O235
• 字数: 4078字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3185.2014.04.014

摘要

船舶机械噪声源的识别是一个小样本条件下的模式识别问题，采用增量学习是解决此问题的一条有效途径。但在进行增量学习以前，必须对新增样本的类别进行有效识别。为有效识别新增样本的类别，提出一种新的TCM-SVDD方法。首先，通过支持向量数据描述（SVDD）方法获得训练样本与新增样本的拉格朗日乘子；然后，将其作为该样本的奇异值代入直推置信机（TCM）中，估计新增样本属于不同类别的置信度，并将其与预设的置信水平进行比较；最后，剔除新增样本中的异类样本，实现增量学习。试验结果表明，该方法能快速、准确地识别异类模式样本，对训练样本集中混有少量异类模式样本的情况不敏感，而且可以控制对异类样本的检测准确率，自动化程度高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔立林	海军工程大学振动与噪声研究所	19	96	4.0	9.0
5	朱海潮	海军工程大学振动与噪声研究所	66	423	10.0	18.0