基于主动学习和加权支持向量机的工业故障识别

• 作者: 朱东阳 梁军 沈静逸 黄炜平
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 主动学习 加权支持向量机(WSVM) 惩罚系数 故障分类
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 自动化技术、控制技术
• 页码范围: 697-705
• 页数: 9页
• 分类号: TP181
• 字数: 8655字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2017.04.009

摘要

针对流程工业过程中有标签故障样本少,样本标注代价昂贵,样本集存在类不平衡以及样本孤点问题,研究基于最优次优标号(BvSB)和加权支持向量机(WSVM)的工业故障分类方法.通过综合考虑样本的信息度和代表性以及样本中可能存在的孤立点,提出改进的主动学习算法,用于挖掘那些对当前分类器模型最有价值的样本进行标注.在支持向量机训练学习中,对不同样本采用不同的权重系数,不同类别赋予不同的惩罚因子,减少了样本分布不平衡时对主动学习和分类精度的影响,充分考虑样本点在特征空间的分布情况,提出新的惩罚系数选取方法.以TE过程为例,实验结果证明,提出的方法能够在获得较高故障分类准确率的情况下减少标注负担.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁军	浙江大学控制科学与工程学院	55	659	14.0	24.0
2	朱东阳	浙江大学控制科学与工程学院	1	4	1.0	1.0
3	沈静逸	浙江大学控制科学与工程学院	1	4	1.0	1.0
4	黄炜平	浙江大学控制科学与工程学院	3	11	3.0	3.0