蒋觉义
- 作品数：2 被引量：11H指数：2
- 供职机构：北京航空航天大学仪器科学与光电工程学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于NMF的SVM故障诊断方法被引量：8
- 2012年
- 针对大维数系统故障诊断中存在特征提取困难和识别率低的问题,提出基于非负矩阵分解(NMF,Non-negative Matrix Factorization)的支持向量机(SVM,Support Vector Machine)诊断方法,避免了直接对故障特征的选择和提取,实现特征降维,提高故障模式分类的准确性和速度;对于NMF中的结果随机性问题,提出用前次分解所得系数矩阵求解样本降维特征矩阵的方法,保证多次NMF分解尺度一致.实验表明该方法能对故障特征有效降维,并具有较高的诊断效率和故障识别率.
- 李建宏姜同敏何玉珠蒋觉义
- 关键词：故障诊断非负矩阵分解支持向量机
- 基于误差最小的SVM最优分类面修正被引量：3
- 2012年
- 针对C-支持向量机(C-SVM,C-Support Vector Machine)中惩罚系数C可能导致最优分类面不合理的问题,提出基于误差最小的SVM最优分类面修正方法.通过调整正负类分类间隔的约束条件,求解使训练样本总误差最小的偏置系数,并兼顾与正负类误差之差的绝对值的平衡,得到误差最小的更优分类面.实验证明该修正方法与C-SVM及其它修正方法相比,具有较高的分类精度和较强的抗噪声与野值数据干扰能力.
- 蒋觉义何玉珠李建宏
- 关键词：支持向量机最优分类面
