DAG-SVM的结构优化研究及其在故障诊断中的应用

• 作者: 周新志 宁芊 赵成萍 陈思羽 雷印杰
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 有向无环图 多分类 故障诊断
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 电子信息科学
• 页码范围: 299-305
• 页数: 7页
• 分类号: TP181
• 字数: 4247字
• 语种: 中文
• DOI: 103969/j.issn.0490-6756.2015.02.015

摘要

有向无环图支持向量机(DAG-SVM)是一种新颖且使用广泛的多分类算法.传统DAG-SVM由于需要训练的SVM分类器较多,在工程中训练耗时长.又由于传统DAG-SVM分类效果受到结构排序影响,导致其分类效果具有随机性.针对以上两个问题,通过结构重组减少SVM分类器个数从而缩短了训练时间,通过对训练数据的重新划分计算产生了最优分类排序,提高了分类正确率.仿真测试与工程实践证明,本文方法相对传统DAG-SVM方式,能缩短训练时间,且拥有更高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周新志	四川大学电子信息学院	149	837	14.0	22.0
2	宁芊	四川大学电子信息学院	60	414	10.0	18.0
3	雷印杰	四川大学电子信息学院	34	120	6.0	9.0
4	陈思羽	四川大学电子信息学院	2	17	2.0	2.0
5	赵成萍	四川大学电子信息学院	27	118	6.0	10.0