多分类SVDD混叠域识别的模拟电路故障诊断

• 作者: 仝奇 叶霞 张仲敏 李俊山 胡双演
• 来源期刊: 计算机测量与控制
• 关键词: 支持向量域数据描述 混叠 异类样本 故障诊断 模拟电路
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 50-53
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2016.01.013

摘要

针对多分类支持向量域数据描述(SVDD)方法中混叠样本诊断精度差的问题,提出了一种带异类样本的多分类SVDD算法;该方法在普通SVDD超球模型基础上,对于存在混叠区域的类别,以该类所有样本为目标类,其他类与之混叠的样本为异类,利用带异类样本的SVDD算法重新训练,直至所有超球优化完毕;仿真实验验证了文章算法消除混叠和提高精度的能力,并将该算法应用于模拟电路故障诊断中;相较与SVDD多分类算法、一对一和一对多SVM算法,文章方法在模拟电路故障诊断中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	李俊山	第二炮兵工程大学信息工程系	136	1222	15.0	29.0
2	叶霞	第二炮兵工程大学信息工程系	11	76	5.0	8.0
3	胡双演	第二炮兵工程大学信息工程系	32	155	7.0	10.0
4	张仲敏		15	86	6.0	8.0
5	仝奇	第二炮兵工程大学信息工程系	2	2	1.0	1.0