参数优化的支持向量机机车车轮状态检测

• 作者: 何静 刘林凡 张昌凡 豆兵兵
• 来源期刊: 电子测量与仪器学报
• 学科: 交通运输
• 关键词: 参数优化 代价敏感支持向量机 重载机车 状态检测
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 数据处理与优化学习
• 页码范围: 1709-1717
• 页数: 9页
• 分类号: U229|TP274.3
• 字数: 5406字
• 语种: 中文
• DOI: 10.13382/j.jemi.2016.11.012

摘要

针对车轮状态检测中存在的类间样本误分代价不等的问题,利用自适应变异粒子群算法对代价敏感支持向量机(CS-SVM)的参数进行优化.该方法从数据样本中提取不均衡数据创建训练样本,采用代价敏感的支持向量机建模.为了提高分类的精确度,选用径向基核函数优化模型结构.提出了自适应变异粒子群算法优化CS-SVM的两个不同惩罚参数和核函数,并用参数优化的代价敏感支持向量机实现重载机车车轮状态分类.最后,通过仿真验证,车轮状态检测的平均准确率可以达到95％,平均处理速度24 s,具有实时性和较强的鲁棒性,能够满足重载机车运行要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何静	湖南工业大学电气与信息工程学院	44	221	10.0	13.0
2	张昌凡	湖南工业大学电气与信息工程学院	69	490	13.0	18.0
3	刘林凡	湖南工业大学电气与信息工程学院	8	47	3.0	6.0
4	豆兵兵	湖南工业大学电气与信息工程学院	3	12	1.0	3.0