不均衡数据下基于SVM的故障检测新算法

摘要：

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法.该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡.为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响.将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高.

关键词：故障检测、支持向量机、SMOTE算法、K近邻方法、代价敏感

所属期刊栏目：29

分类号：TH17;TP306;TB53

资助基金：国家自然科学基金面上项目61074076;中国博士后科学基金20090450119;教育部博士点新教师基金20092304120017

在线出版日期：2011-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：8-12,29