多分类SVDD混叠域识别的模拟电路故障诊断

摘要：

针对多分类支持向量域数据描述(SVDD)方法中混叠样本诊断精度差的问题,提出了一种带异类样本的多分类SVDD算法;该方法在普通SVDD超球模型基础上,对于存在混叠区域的类别,以该类所有样本为目标类,其他类与之混叠的样本为异类,利用带异类样本的SVDD算法重新训练,直至所有超球优化完毕;仿真实验验证了文章算法消除混叠和提高精度的能力,并将该算法应用于模拟电路故障诊断中;相较与SVDD多分类算法、一对一和一对多SVM算法,文章方法在模拟电路故障诊断中具有更高的诊断精度.

关键词：支持向量域数据描述、混叠、异类样本、故障诊断、模拟电路

所属期刊栏目：24

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：50-53