10.3969/j.issn.1000-3428.2009.07.095
基于数值型属性约简的SVM网络故障诊断
网络故障的关联性传播可能导致网络故障数据包含大量冗余信息,影响诊断精度和处理效能.该文根据故障数据的特点,将粗糙集理论与支持向量机(SVM)相结合,采用基于邻域粗糙逼近的数值型属性约简算法进行快速高效的故障诊断,避免经典粗糙集理论中离散化误差的影响,缩减数据存储空间,降低SVM训练模型的复杂度,提高训练速度.ROC性能曲线分析结果表明,该方法具有良好的泛化能力.
网络故障诊断、支持向量机、数值型属性约简、邻域逼近
35
TP3;TP1
国家部委基金;陕西省自然科学基金资助项目2005F17
2009-05-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
273-276