10.3321/j.issn:0258-8013.2008.32.016
增量学习直推式支持向量机及其在旋转机械状态判别中的应用
直推式支持向量机(support vector machine,SVM)是基于已知样本建立对特定的未知样本进行有效识别的理论框架,与归纳式支持向量机相比,前者更经济、分类效果更佳.然而,直推式支持向量机的致命缺点是需要占用大量的训练时间,为此,提出了基于增量学习的支推式支持向量机训练算法,即把当前迭代训练得到的支持向量样本与新赋予类别标签的部分测试样本作为训练样本集参与下一次的迭代训目的是通过减少训练样本的数量以节约训练时间.同时,为确保算法的收敛性及分类准确率,在训练过程中引入了成对标注及错误回溯处理.实际的状态判别结果证明了该方法的有效性.
直推式支持向量机、状态判别、旋转机械、增量学习、惩罚系数
28
TH17;TP18
总装备部维改项目
2009-01-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
89-95