改进Alpha Shapes和快速凸壳算法的SVM故障诊断

摘要：

现有的基于凸壳的支持向量机(SVM)算法处理机械装备产生的大规模原始数据时间太长.针对这一问题,通过结合轮廓提取算法(Alpha Shapes)和快速凸壳算法,提出一种结合改进快速凸壳算法的SVM用于故障诊断研究.该融合算法利用改进简化的Alpha Shapes算法提取点集的边界数据点,作为改进的快速凸壳算法的对象,减少凸壳算法递归的工作量.实验结果表明:该算法平均只提取了数据集0.26％的数据点,且计算的时间也相应降低.最后实验同样表明该算法的性能优于单一的SVM算法.

关键词：大规模数据、支持向量机、凸壳超平面、Alpha Shapes、故障诊断

所属期刊栏目：51

分类号：TP301(计算技术、计算机技术)

资助基金：山西省自然科学基金;国家自然科学基金

在线出版日期：2023-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：212-217