柔性支持向量回归及其在故障检测中的应用

摘要：

支持向量回归(Support vector regression,SVR)的学习性能及泛化性能取决于参数设置.在常规方法中,这些参数以固定值形式参与运算,而当面对复杂分布的数据集时,可能无法挑选出一组能够胜任各种分布情况的参数,参数设置需要在过拟合和欠拟合之间进行取舍.因此,本文提出一种能够根据样本分布进行参数自我调整的柔性支持向量回归算法(Flexible support vector regression,F-SVR).该算法根据样本分布的复杂度,将训练样本划分为多个区域,在训练过程中,F-SVR为不同区域设置不同的训练参数,有效避免了过拟合与欠拟合.本文首先采用一组人工数据对所提算法有效性进行验证,在实验中,F-SVR在保持学习能力的同时,具备较传统方法更优秀的泛化性能.最后,本文将该算法运用至高频电源故障的实际检测,效果良好.

关键词：支持向量回归、柔性、故障检测、电源

所属期刊栏目：39

资助基金：国家自然科学基金61034005,61171191,61203072,61273171;江苏省自然科学基金BK2010500;国家教育部博士点基金20113218110011;江苏高校优势学科建设工程资助项目,工业控制技术国家重点实验室开放课题ICT1234

在线出版日期：2013-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：272-284