四川大学学报（自然科学版）
四川大學學報（自然科學版）
사천대학학보（자연과학판）
JOURNAL OF SICHUAN UNIVERSITY（NATURAL SCIENCE EDITION）
2015年
2期
299-305
,共7页
陈思羽%宁芊%周新志%赵成萍%雷印杰
陳思羽%寧芊%週新誌%趙成萍%雷印傑
진사우%저천%주신지%조성평%뢰인걸
支持向量机%有向无环图%多分类%故障诊断
支持嚮量機%有嚮無環圖%多分類%故障診斷
지지향량궤%유향무배도%다분류%고장진단
Support vector machine%Directed acyclic graph%Multi-class classification%Fault diagnosis
有向无环图支持向量机(DAG-SVM)是一种新颖且使用广泛的多分类算法.传统DAG-SVM由于需要训练的SVM分类器较多,在工程中训练耗时长.又由于传统DAG-SVM分类效果受到结构排序影响,导致其分类效果具有随机性.针对以上两个问题,通过结构重组减少SVM分类器个数从而缩短了训练时间,通过对训练数据的重新划分计算产生了最优分类排序,提高了分类正确率.仿真测试与工程实践证明,本文方法相对传统DAG-SVM方式,能缩短训练时间,且拥有更高的分类正确率.
有嚮無環圖支持嚮量機(DAG-SVM)是一種新穎且使用廣汎的多分類算法.傳統DAG-SVM由于需要訓練的SVM分類器較多,在工程中訓練耗時長.又由于傳統DAG-SVM分類效果受到結構排序影響,導緻其分類效果具有隨機性.針對以上兩箇問題,通過結構重組減少SVM分類器箇數從而縮短瞭訓練時間,通過對訓練數據的重新劃分計算產生瞭最優分類排序,提高瞭分類正確率.倣真測試與工程實踐證明,本文方法相對傳統DAG-SVM方式,能縮短訓練時間,且擁有更高的分類正確率.
유향무배도지지향량궤(DAG-SVM)시일충신영차사용엄범적다분류산법.전통DAG-SVM유우수요훈련적SVM분류기교다,재공정중훈련모시장.우유우전통DAG-SVM분류효과수도결구배서영향,도치기분류효과구유수궤성.침대이상량개문제,통과결구중조감소SVM분류기개수종이축단료훈련시간,통과대훈련수거적중신화분계산산생료최우분류배서,제고료분류정학솔.방진측시여공정실천증명,본문방법상대전통DAG-SVM방식,능축단훈련시간,차옹유경고적분류정학솔.
