基于类间可分性度量和SVM的多故障分类算法

摘要：

由于基于支持向量机(Support Vector Mechine,简称SVM)的多类分类算法的分类器结构对故障分类效果有直接影响,首先提出一种在高维特征空间基于核函数的J<,b>*/J<,w>*类间可分性度量准则,然后根据可分性度量结果用min-max原则来构造支持向量机分类器结构.通过对滚动轴承4类故障测试样本的分类试验结果表明,采用该方法构建的分类器其分类效果明显优于任意确定的二叉树结构分类器,有更高的故障识别率.

关键词：支持向量机、类间可分性、故障分类器、滚动轴承

所属期刊栏目：29

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目50335030;山西省自然科学基金资助项目2006011056

在线出版日期：2009-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：83-85