基于结点优化的决策导向无环图支持向量机及其在故障诊断中的应用

摘要：

支持向量机(Support vector machine,SVM)是利用离在线数据自动建立故障诊断模型的智能方法,它在多故障诊断时,必须先进行多分类扩展.决策导向无环图(Decision directed acyclic graph,DDAG)法是一种性能优秀的多分类扩展策略,但该方法的决策结果与结点的排部密切相关,而其结点的排部却是主观的,影响了诊断的正确率.本文提出一种根据故障数据的空间分布来优化结点排部的方法,它能够提高支持向量机诊断的正确率.采用该方法扩展的多分类支持向量机在变压器故障诊断中获得良好效果.

关键词：支持向量机、故障诊断、多分类、决策导向无环图、结点优化

所属期刊栏目：36

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60874051;中国博士后科学基金20070411044;江苏省自然科学基金BK2007195;江苏省博士后科研资助计划0701014B

在线出版日期：2010-06-21（万方平台首次上网日期，不代表论文的发表时间）

页码：427-432