基于模糊支持向量機(jī)的多類分類算法研究.pdf

1、支持向量機(jī)作為一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，較好地解決了非線性、高維數(shù)、局部極小點(diǎn)等實(shí)際問題，是機(jī)器學(xué)習(xí)領(lǐng)域新的研究熱點(diǎn)。旋轉(zhuǎn)機(jī)械中故障識別技術(shù)的研究對于減少維修費(fèi)用、降低生產(chǎn)成本、提高經(jīng)濟(jì)效益和社會效益具有重要作用，開展大型旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測與故障診斷的研究仍然是當(dāng)今科技發(fā)展的一個重要課題，而支持向量機(jī)在小樣本數(shù)據(jù)學(xué)習(xí)中所表現(xiàn)出來的優(yōu)勢，能較好的解決這一課題。但與此同時，旋轉(zhuǎn)機(jī)械中的故障識別也給支持向量機(jī)提出了許多富有挑戰(zhàn)性的課題

2、，例如，故障分類中存在故障樣本獲取困難、噪音多、各類別樣本數(shù)目不均衡等問題。本文主要從模糊支持向量機(jī)的分類方法研究和其在旋轉(zhuǎn)機(jī)械故障識別中的應(yīng)用相結(jié)合的角度出發(fā)，對支持向量機(jī)的直接多類分類算法、基于模糊核的支持向量機(jī)學(xué)習(xí)、基于支持向量數(shù)據(jù)描述的多類分類方法，以及支持向量機(jī)在旋轉(zhuǎn)機(jī)械故障識別中的應(yīng)用進(jìn)行了系統(tǒng)的研究，主要工作如下： 1.傳統(tǒng)的支持向量機(jī)是用來解決二類分類問題的，如何有效地將二類問題推廣到多類問題是支持向量機(jī)的一個研

3、究熱點(diǎn)。首先分析了現(xiàn)有多類分類方法的特點(diǎn)；然后針對典型的直接構(gòu)造多類分類方法，為了降低這些方法對噪音的敏感問題，克服噪音對分類結(jié)果的不利影響，提出了兩種新的基于直接構(gòu)造分類方法的模糊多類分類方法。該方法結(jié)合了模糊思想，并引入了模糊補(bǔ)償?shù)臋C(jī)制，重新構(gòu)造并推導(dǎo)了相關(guān)的優(yōu)化問題。實(shí)驗(yàn)表明，提出的兩種方法在分類精度上有明顯的改善。 2.對于某一給定的問題，如何尋找到最適合的核函數(shù)是支持向量機(jī)從理論走向?qū)嶋H應(yīng)用時所必須解決的一個關(guān)鍵問題。

4、支持向量機(jī)的核函數(shù)往往需滿足Mercer條件，但一些并不完全滿足Mercer條件的核，比如Sigmoid核，也常常用于分類問題。分析表明，Sigmoid核當(dāng)其參數(shù)滿足條件a>0和r

5、本對于某類的隸屬情況，Vague值的相似度量描述了兩樣本隸屬某類的緊密(相關(guān))程度。實(shí)驗(yàn)結(jié)果表明，相對于標(biāo)準(zhǔn)Sigmoid支持向量機(jī)方法，基于Vague-Sigmoid核支持向量機(jī)在不影響精度的情況下，能明顯降低訓(xùn)練時間。 3.支持向量數(shù)據(jù)描述本身用來進(jìn)行1-類分類和奇異點(diǎn)檢測，通過對其特點(diǎn)分析，將其擴(kuò)展到多類分類中。同時針對訓(xùn)練樣本中的噪音，首先用改進(jìn)的可能性c均值聚類方法計(jì)算樣本的模糊隸屬度，并構(gòu)造一個多類分類決策規(guī)則，提出

6、了加權(quán)支持向量數(shù)據(jù)描述多類分類方法。由于采用此方法，大多數(shù)樣本僅僅只需被訓(xùn)練一次，可以降低算法的訓(xùn)練時間。同時通過Baves理論分析表明，提出的分類決策函數(shù)滿足Bayes決策分類規(guī)則。實(shí)驗(yàn)表明，相對于標(biāo)準(zhǔn)支持向量機(jī)和基于包圍球的分類方法，本文提出的加權(quán)支持向量數(shù)據(jù)描述多類分類方法在絕大多數(shù)標(biāo)準(zhǔn)數(shù)據(jù)集中獲得了更好的分類結(jié)果。 4.支持向量機(jī)在小樣本數(shù)據(jù)學(xué)習(xí)中表現(xiàn)出了很大的優(yōu)勢，針對此特點(diǎn)，將支持向量機(jī)方法應(yīng)用到旋轉(zhuǎn)機(jī)械故障識別中，構(gòu)建了一