支持向量机在电故障分类中的应用.pdfVIP

论文题目：支持向量机在电缆故障分类中的应用 专 业：模式识别与智能系统 硕 士 生：李新燕 （签名） 指导老师：汪 梅 （签名） 摘 要 支持向量机是一种专门针对小样本的模式识别方法，它建立在统计学习理论的 VC 维和结构风险最小化原理的基础上，较好地解决了非线性、高维数、局部极小点等问题， 具有良好的推广性。经典的支持向量机是一种两类分类器，随着应用范围的扩展，支持 向量机被广泛地用于解决多类分类问题。如何针对具体的问题建立较好的支持向量机多 分类模型，是近几年支持向量机研究的热点之一。 本文在统计学习理论相关原理及支持向量机理论基础上，对支持向量机多类分类算 法及核函数的参数选择问题进行了分析与研究。论文概述了统计学习理论、支持向量机 的分类原理、支持向量机集成的最优分类面、分类间隔、最优化理论等技术，介绍了支 持向量机的重要模块——核函数，并对不同核函数的性能进行了比较；分析和总结了现 有的几种支持向量机多类分类方法，包括一次性求解算法、“一对多”、“一对一”、有向 无环图算法等，比较了它们的性能及优缺点；针对现有的支持向量机多类分类算法中存 在错分或拒分区域问题和二叉树支持向量机结构的生成问题，在定义了较小邻近距离和 构造类间相异度矩阵的基础上，提出了基于类间相异度矩阵的支持向量机多类分类算 法，并通过仿真实验，与传统的一对一、一对多及有向无环图支持向量机算法结果进行 比较，验证了该算法的正确性和有效性。 论文最后部分将基于类间相异度矩阵的支持向量机多分类算法用于对电缆故障类 型的识别分析中，通过尝试不同的核参数选择出较优的核参数以建立支持向量机多类识 别模型，实现了对故障类型有效的识别。 关 键 词：支持向量机；多分类；较小邻近距离；类间相异度矩阵；电缆故障识别 研究类型：应用研究 Subject ：The Application of Support Vector Machine in Cable Fault Classification Specialty ：Pattern Recognition and Intelligent System Name ：Li Xinyan （Signature ） Instructor ：Wang Mei （Signature ） ABSTRACT Support vector machine is a pattern recognition method specially for small samples, which is based on the VC dimensions of the statistical learning theory and the structural risk minimization principle. It well sloves the problems of nonlinear, high dimensions and local minimum. It has a good generalization performance. The classical support vector machine is a two classs classifiers. With the expansion of its application,it is widely used to solve the multi-class classification problems. For a special problem, how to build a better suppo