| 基于选择性集成学习的高速列车故障识别研究* |
| |
| 引用本文： | 饶 川,苟先太,金炜东.基于选择性集成学习的高速列车故障识别研究*[J].计算机应用研究,2018,35(5). |
| |
| 作者姓名： | 饶 川 苟先太 金炜东 |
| |
| 作者单位： | 西南交通大学 电气工程学院,西南交通大学 电气工程学院,西南交通大学 电气工程学院 |
| |
| 基金项目： | 国家自然科学基金重点资助项目(61134002)；国家自然科学基金资助项目(61075104)；中央高校基本科研业务专项资金资助项目(SWJTU11BR039,SWJTU11ZT06) |
| |
| 摘 要： | 在SVM分类识别中,分类器模型一经训练得到,对所有测试样本进行无差别的识别。但在高速列车故障中,样本的分类识别是存在区域分类精度的。本文提出了一种基于选择性集成学习的SVM多分类器融合算法,该方法选取测试样本最邻近的k个训练样本,然后选择对其分类效果好的SVM分类器进行融合,以提高分类准确率。最后使用高速列车故障数据进行了实验,并与AdaBoost、KNN、Bayes、SVM分类方法进行了比较。实验结果表明,该算法提高了分类识别准确率。
|
| 关 键 词： | 选择性集成学习 SVM 多分类器融合 区域分类精度 高速列车故障分类 |
| 收稿时间： | 2017/1/5 0:00:00 |
| 修稿时间： | 2018/3/19 0:00:00 |
Study on Recognition of High Speed Rail Malfunction Based on Selective Ensemble Learning |
| |
| RAO Chuan,GOU Xiantai and JIN Weidong.Study on Recognition of High Speed Rail Malfunction Based on Selective Ensemble Learning[J].Application Research of Computers,2018,35(5). |
| |
| Authors: | RAO Chuan GOU Xiantai and JIN Weidong |
| |
| Affiliation: | School of Electrical Engineering,southwest Jiaotong University,, |
| |
| Abstract: | |
| |
| Keywords: | selective ensemble learning SVM multi-classifier fusion regional classification accuracy Fault classification of high-speed rail |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
