基于AdaBoost与SVM组合的自动化小车设备的故障检测

• 作者: 刘永年 董志强 魏丽华
• 来源期刊: 电子世界
• 关键词: 集成学习模型 支持向量机 Adaboost 全自动化码头 故障检测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 探索与观察
• 页码范围: 17-19
• 页数: 3页
• 字数: 2266字
• 语种: 中文

摘要

针对传统设备检测方法难以检测到自动化小车故障的问题,提出一种基于Adaboost提升支持向量机(Support Vector Machines,SVM)集成学习模型自动化小车故障诊断方法.首先以自动化小车的运行数据为基础,然后通过构造Adaboost-SVM集成学习模型,并将其应用于自动化小车故障检测中.AdaBoost能够自适应的提升SVM的分类性能,相对于传统的SVM分类器,Adaboost-SVM稳定性最好,故障诊断准确率最高.实验结果表明,Adaboost-SVM能有效的诊断自动化小车的故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董志强		5	9	2.0	3.0
2	刘永年		2	3	1.0	1.0
3	魏丽华		3	3	1.0	1.0