|
|||||
|
|
| 基于主元分析与支持向量机的方法及其在过程监控诊断中的应用 | |
| 引用本文： | 蒋少华,桂卫华,阳春华,唐朝晖,彭涛.基于主元分析与支持向量机的方法及其在过程监控诊断中的应用[J].弹箭与制导学报,2007,27(5):205-207,210. |
| 作者姓名： | 蒋少华 桂卫华 阳春华 唐朝晖 彭涛 |
| 作者单位： | 1. 中南大学信息科学与工程学院,长沙,410083;韶关学院信息工程学院,广东韶关,512024 2. 中南大学信息科学与工程学院,长沙,410083 3. 湖南工业大学自动化学院,湖南株洲,412000 |
| 基金项目： | 国家自然科学基金（60634020）资助 |
| 摘 要： | 基于支持向量机（SVM）在处理小样本、高维数及泛化性能强等方面的优势，提出了基于主元分析和支持向量机（PCA—SVM）对过程进行监控的方法。文中先利用主元分析方法进行特征数据提取，得到降维的主元特征向量，去除了高维样本变量相关性。然后分析各状态T^2统计、SPE统计量的变化趋势，对实际生产状况进行监控，最后利用SVM与最近邻法相结合的策略对特征向量进行分类识别。试验结果证实了提出算法的有效性。 |
| 关 键 词： | 主元分析 支持向量机 过程监控 故障诊断 最邻近分类法 |
| 收稿时间： | 2007-01-18 |
| 修稿时间： | 2007-04-17 |
Method Based on Principal Component Analysis and Support Vector Machine and Its Application to Process Monitoring and Fault Diagnosis |
|
| JIANG Shao-hua,GUI Wei-hua,YANG Chun-hua,TANG Zhao-hui,PENG Tao.Method Based on Principal Component Analysis and Support Vector Machine and Its Application to Process Monitoring and Fault Diagnosis[J].Journal of Projectiles Rockets Missiles and Guidance,2007,27(5):205-207,210. | |
| Authors: | JIANG Shao-hua GUI Wei-hua YANG Chun-hua TANG Zhao-hui PENG Tao |
| Abstract: | |
| Keywords: | principal component analysis support vector machine process monitoring fault diagnosis k-nearest neighbor method |
| 本文献已被 维普 万方数据 等数据库收录！ | |