基于支持向量机集成学习的网络故障诊断方法

• 作者: 单桂军 李正明 陈江
• 来源期刊: 计算机测量与控制
• 关键词: 支持向量机 二重扰动 集成学习 故障诊断
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 3906-3908,3911
• 页数: 4页
• 分类号: TP393
• 语种: 中文

摘要

针对现有支持向量机(support vector machine,SVM)多分类方法在网络故障诊断中识别精度较低的问题,提出一种基于二叉树结构和模型二重扰动的SVM集成学习算法;通过集成学习思想提高网络故障诊断的精度;在集成过程中对二叉树结构和核参数进行扰动,加大个体分类器的差异度,提升了诊断模型的泛化性;在实际网络中的诊断实验表明,所提的方法较二叉树等其它SVM多分类方法具有更高的诊断精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李正明	江苏大学电气信息工程学院	157	1549	22.0	31.0
2	单桂军	镇江高等专科学校实验实训中心	32	64	4.0	6.0
3	陈江	镇江高等专科学校实验实训中心	12	10	2.0	2.0