基于核密度估计的实时SVDD算法与电路故障检测应用

• 作者: 杜敏杰 汪军 王建国 马善钊
• 来源期刊: 计算机测量与控制
• 关键词: SVDD 计算复杂度 支持向量 KDE
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1039-1041,1045
• 页数: 4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,利用支持向量的稀疏特性,提出了一种基于核密度估计(KDE)的实时SVDD算法;该算法首先通过KDE方法从原始样本集中选择εk比例的稀疏样本用于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εd比例距中心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;仿真结果表明:算法在保证训练精度的前提下训练复杂度削减为经典算法的1/10以内,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	杜敏杰	南京军事代表局驻淄博地区军事代表室	3	3	1.0	1.0
2	马善钊	南京军事代表局驻淄博地区军事代表室	2	3	1.0	1.0
3	王建国	南京军事代表局驻淄博地区军事代表室	1	3	1.0	1.0
4	汪军	南京军事代表局驻淄博地区军事代表室	1	3	1.0	1.0