首页 | 本学科首页   官方微博 | 高级检索  
     

一种新的超球SVDD增量学习方法
引用本文:段修生,曹健,孙世宇,张泽建.一种新的超球SVDD增量学习方法[J].计算机应用与软件,2015(2):163-166.
作者姓名:段修生  曹健  孙世宇  张泽建
作者单位:1. 军械工程学院 河北 石家庄 050003
2. 71834,部队 河南 荥阳 450100
基金项目:国防预研基金重点资助项目
摘    要:在基于支持向量数据描述(SVDD)的故障诊断中,往往随着故障数据的不断增加而不断地进行再训练以调整诊断模型,浪费了大量时间。为了解决这一问题,提出一种新的SVDD增量学习算法。该方法在深入分析训练结果与数据样本的关系,多次利用KKT条件,对样本进行筛选,最终选择出影响最终结果的少量训练样本。通过实际电路故障提取采集数据并诊断,所得结果表明该算法可以选择出所有影响结果的相关样本,保证了准确率并避免了大量样本训练,节省了时间。

关 键 词:SVDD  增量学习  故障诊断

A NEW INCREMENTAL LEARNING METHOD FOR HYPERSPHERE SVDD
Duan Xiusheng,Cao Jian,Sun Shiyu,Zhang Zejian.A NEW INCREMENTAL LEARNING METHOD FOR HYPERSPHERE SVDD[J].Computer Applications and Software,2015(2):163-166.
Authors:Duan Xiusheng  Cao Jian  Sun Shiyu  Zhang Zejian
Affiliation:Duan Xiusheng;Cao Jian;Sun Shiyu;Zhang Zejian;Ordnance Engineering College;71834 Unit;
Abstract:
Keywords:SVDD  Incremental learning  Fault diagnosis
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号