网站大量收购独家精品文档,联系QQ:2885784924

一种基于动态剪枝二叉树SVMs的高炉故障诊断新方法.pdfVIP

一种基于动态剪枝二叉树SVMs的高炉故障诊断新方法.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于动态剪枝二叉树SVMs的高炉故障诊断新方法.pdf

第28卷 第12期 仪 器 仪 表 学 报 Vo1.28 No.12 2007年12月 Chinese Journal of Scientific Instrument Dec.2007 一 种基于动态剪枝二叉树SVMs的 高炉故障诊断新方法术 王安娜,吴 洁,张丽娜,陈 宇 (东北大学信息科学与工程学院 沈阳 l10004) 摘 要:高炉故障诊断是一个多类分类问题,且各个故障类别问具有一定的关系,在识别其中某一类故障时,并不需要区分全 部故障的类别,为此提出了基于剪枝二叉树的支持向量机改进算法,每次识别时都去除相对没有价值的支持向量,根据类间相 似度重新构造二叉树,剪掉没有价值的枝节,减少支持向量机个数,加速识别过程。通过对高炉故障模型的仿真实验,比较不同 多类分类算法的性能,证明该方法能够在保证识别准确率的情况下提高故障诊断速度。 关键词:剪枝二叉树;支持向量机;多类分类;故障诊断 中图分类号:TP206 .3 文献标识码:A 国家标准学科分类代码:520.2040 Novel blast furnace fault diagnosis method based on dynamic pruned binary tree SVMs Wang Anna,Wu Jie,Zhang Lina,Chen Yu (College of Information Science and Engineering,Northeastern University,Shenyang 1 10004,China) Abstract:Blast furnace fault diagnosis is a multi—class classification problem,and the fault sorts have special rela— tion among each other.It is not necessary to distinguish all the fault sorts when identifying one of them.In this pa— per,a novel algorithm based on pruned binary tree SVMs is proposed.In order to improve classification efficiency, we take out the relatively flimsy support vectors in identification process:construct a new binary tree without flimsy branches by defining similarities between every two sorts.Compared with different multi—class classification algo— rithms,the simulation results of blast furnace fault diagnosis show that this algorithm can improve the efficiency and speed of blast furnace fault diagnosis while insuring the identification accuracy. Key words:pruned binary tree;support vector machine;multi—class identification;fault diagnosis 知识的表达都存在很大的困难,专家系统本身的经验总 1 引 言 结也存在缺陷;神经元网络的方法泛化能力差、隐含层单

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档