朱东阳
- 作品数：1 被引量：3H指数：1
- 供职机构：浙江大学控制科学与工程学系更多>>
- 发文基金：浙江省公益性技术应用研究计划项目国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于主动学习和加权支持向量机的工业故障识别被引量：3
- 2017年
- 针对流程工业过程中有标签故障样本少,样本标注代价昂贵,样本集存在类不平衡以及样本孤点问题,研究基于最优次优标号(BvSB)和加权支持向量机(WSVM)的工业故障分类方法.通过综合考虑样本的信息度和代表性以及样本中可能存在的孤立点,提出改进的主动学习算法,用于挖掘那些对当前分类器模型最有价值的样本进行标注.在支持向量机训练学习中,对不同样本采用不同的权重系数,不同类别赋予不同的惩罚因子,减少了样本分布不平衡时对主动学习和分类精度的影响,充分考虑样本点在特征空间的分布情况,提出新的惩罚系数选取方法.以TE过程为例,实验结果证明,提出的方法能够在获得较高故障分类准确率的情况下减少标注负担.
- 朱东阳沈静逸黄炜平梁军
