自动化技术与应用
自動化技術與應用
자동화기술여응용
Techniques of Automation and Applications
2015年
10期
28-33
,共6页
SVM-SOM%集成学习%故障诊断%数据流
SVM-SOM%集成學習%故障診斷%數據流
SVM-SOM%집성학습%고장진단%수거류
SVM-SOM%Integrated learning%fault diagnosis%data stream
针对数据流海量性所造成的数据内部构成复杂以及传统单模型分类模型对复杂数据环境学习不充分的问题,提出一种基于集成学习方式的数据流分类模型.此模型以支持向量机(SVM)模型为基础结合不同核函数构建集成学习模型.之后,在使用自组织映射(SOM)对个体分类器给出的分类结果进行汇总,得到分类结果.通过两种数据提取方法对两类机械设备进行特征提取与选择以对其进行预测诊断来验证所提出基于SOM-SVM集成学习的数据流分类模型的有效性.
針對數據流海量性所造成的數據內部構成複雜以及傳統單模型分類模型對複雜數據環境學習不充分的問題,提齣一種基于集成學習方式的數據流分類模型.此模型以支持嚮量機(SVM)模型為基礎結閤不同覈函數構建集成學習模型.之後,在使用自組織映射(SOM)對箇體分類器給齣的分類結果進行彙總,得到分類結果.通過兩種數據提取方法對兩類機械設備進行特徵提取與選擇以對其進行預測診斷來驗證所提齣基于SOM-SVM集成學習的數據流分類模型的有效性.
침대수거류해량성소조성적수거내부구성복잡이급전통단모형분류모형대복잡수거배경학습불충분적문제,제출일충기우집성학습방식적수거류분류모형.차모형이지지향량궤(SVM)모형위기출결합불동핵함수구건집성학습모형.지후,재사용자조직영사(SOM)대개체분류기급출적분류결과진행회총,득도분류결과.통과량충수거제취방법대량류궤계설비진행특정제취여선택이대기진행예측진단래험증소제출기우SOM-SVM집성학습적수거류분류모형적유효성.
