基于特征抽取和SVM分类器的故障诊断

• 作者: 陈虎
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 故障诊断 特征抽取 核Fisher鉴别分析 支撑向量机
• 年，卷（期）: 2016,（5）
• 页码范围: 25-28
• 页数: 4页
• 分类号: U212.6
• 字数: 2368字
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2016.0005.006

摘要

为了提高支撑向量机(Support Vector Machine,SVM)的性能,降低时间开销;提出一种基于特征提取的SVM算法,并将其用于汽轮发电机组的故障诊断;使用KFDA(Kernel Fisher Discriminant Analyst)算法提取汽轮发电机组数据的关键特征,并使用SVM分类器对特征数据集合进行分类检测;实验结果表明:算法是可行和有效的,在分类性能和训练时间上都得到了提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈虎		9	16	3.0	3.0