期刊文献+
共找到19篇文章
< 1 >
每页显示 20 50 100
基于支持向量域数据描述的快速学习算法 被引量:3
1
作者 赵英刚 陈奇 何钦铭 《仪器仪表学报》 EI CAS CSCD 北大核心 2006年第z1期798-800,共3页
支持向量域数据描述(SVDD)是一种单值分类算法,用于将目标样本与其他非目标样本区分开来。本文引入数学中曲率的概念,根据分类边界线附近支持向量曲率的大小来对训练集进行约减;提出了一种约减型的支持向量域数据描述快速训练算法FSVDD... 支持向量域数据描述(SVDD)是一种单值分类算法,用于将目标样本与其他非目标样本区分开来。本文引入数学中曲率的概念,根据分类边界线附近支持向量曲率的大小来对训练集进行约减;提出了一种约减型的支持向量域数据描述快速训练算法FSVDD,该算法与传统SVDD相比减少了训练时所需的支持向量数目,因而训练时间极大减少,同时分类性能几乎不受大的影响,该算法在大规模训练样本学习中具有现实意义. 展开更多
关键词 支持向量域数据描述 支持向量 快速学习
下载PDF
混沌分形特征与支持向量数据域描述辨识机械动态系统异常 被引量:4
2
作者 李兆飞 柴毅 任小洪 《农业工程学报》 EI CAS CSCD 北大核心 2015年第10期211-218,共8页
为了在微弱故障征兆出现时能通过正常状态对异常进行辨识,针对通常动态系统故障状态样本缺乏的单值分类问题,提出混沌分形特征组合及支持向量数据域描述(support vector data description,SVDD)的动态系统振动异常辨识方法。该方法采用... 为了在微弱故障征兆出现时能通过正常状态对异常进行辨识,针对通常动态系统故障状态样本缺乏的单值分类问题,提出混沌分形特征组合及支持向量数据域描述(support vector data description,SVDD)的动态系统振动异常辨识方法。该方法采用误诊和漏诊两种分类错误的SVDD接受者操作特征(receiver operating characteristic,ROC)曲线,通过分析振动混沌分形特征,选取最大Lyapunov指数和关联维数的最优组合,进而建立正常状态样本单值SVDD分类器,并对可提高分类精度的试验验证法优选核函数参数进行了探讨。试验及测试表明,SVDD-ROC方法避免了传统特征选取对具体故障类型样本的依赖性,选取的特征组合对正常和故障样本有较好的自聚类性,SVDD方法仅需要正常状态样本就能辨识异常状态,并且对未知故障也有较好的异常辨识能力。该研究可为动态系统异常状态提供建模与检测的理论基础和设计依据,有效预防突发事故,节约维修成本,提高动态系统的利用率,保障其安全运行,有效降低成本。 展开更多
关键词 混沌理论 分形 动态系统 接受者操作特征 支持向量数据描述 异常辨识
下载PDF
基于灰色信息的支持向量域分类算法 被引量:1
3
作者 赵英刚 何钦铭 陈奇 《华中科技大学学报(自然科学版)》 EI CAS CSCD 北大核心 2005年第z1期282-284,共3页
当被识别的样本包含有未确知性的灰信息时,传统的SVDD算法无法对其类别作出判别.针对这一问题,并考虑到SVDD算法是一种基于样本间距离测度的判别方法,提出了一种针对灰信息样本进行判别的支持向量域数据描述算法-GSVDD算法,该算法利用... 当被识别的样本包含有未确知性的灰信息时,传统的SVDD算法无法对其类别作出判别.针对这一问题,并考虑到SVDD算法是一种基于样本间距离测度的判别方法,提出了一种针对灰信息样本进行判别的支持向量域数据描述算法-GSVDD算法,该算法利用区间数对未确知性的灰信息进行表达,将区间运算引入到SVDD算法中,以区间距离取代原来的确定性距离,从而对灰信息目标样本进行识别.理论分析和实验结果均表明,该算法是有效和可行的. 展开更多
关键词 支持向量域数据描述 支持向量 灰信息 区间数
下载PDF
基于不平衡数据分类的一种平衡模糊支持向量机 被引量:6
4
作者 秦传东 刘三阳 张市芳 《计算机科学》 CSCD 北大核心 2012年第6期188-190,212,共4页
鉴于不平衡数据集中类不平衡比较大的分类问题,利用样本点的特性建立类不平衡调节因子和模糊隶属度,提出了平衡模糊支持向量机。首先计算样本协方差矩阵,求得类不平衡调节因子,然后计算各样本点的模糊隶属度,得到各样本对分类超平面的... 鉴于不平衡数据集中类不平衡比较大的分类问题,利用样本点的特性建立类不平衡调节因子和模糊隶属度,提出了平衡模糊支持向量机。首先计算样本协方差矩阵,求得类不平衡调节因子,然后计算各样本点的模糊隶属度,得到各样本对分类超平面的贡献率。类平衡调节因子和模糊隶属度同时对分类器的误差项产生影响。结果表明,这种平衡模糊支持向量机对类不平衡比较大的分类问题具有很好的分类效果。 展开更多
关键词 支持向量数据描述 模糊隶属度 模糊支持向量 平衡模糊支持向量 不平衡因子
下载PDF
模糊支持向量机的非直达波抑制算法 被引量:1
5
作者 万群 王伟 +1 位作者 黄际彦 宋玉梅 《电子科技大学学报》 EI CAS CSCD 北大核心 2008年第6期803-806,共4页
针对支持向量机中由于噪声和野值带来的过拟合问题,提出了基于模糊最小二乘支持向量机(fuzzy LS-SVM)的抑制非直达波的移动定位方法。利用一种基于支持向量数据域描述的模糊隶属度函数模型,根据样本到特征空间最小包含超球球心的距离来... 针对支持向量机中由于噪声和野值带来的过拟合问题,提出了基于模糊最小二乘支持向量机(fuzzy LS-SVM)的抑制非直达波的移动定位方法。利用一种基于支持向量数据域描述的模糊隶属度函数模型,根据样本到特征空间最小包含超球球心的距离来确定模糊隶属度。仿真结果表明了该方法的稳健性,提高了LS-SVM的抗噪声能力。 展开更多
关键词 模糊隶属度 最小二乘支持向量 非直达波定位 支持向量数据描述
下载PDF
基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法 被引量:1
6
作者 胡正平 谭营 《自动化学报》 EI CSCD 北大核心 2008年第9期1047-1052,共6页
为了克服经典区域增长算法在复杂目标与背景分布情况下,停止条件难以确定的不足,提出基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法.该算法结合了主动轮廓模型(Active contour model,ACM)、目标数据分布域描述与区域增长... 为了克服经典区域增长算法在复杂目标与背景分布情况下,停止条件难以确定的不足,提出基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法.该算法结合了主动轮廓模型(Active contour model,ACM)、目标数据分布域描述与区域增长三者的优点,首先利用分割目标的支持向量数据域描述将待分割图像转化为相对于分割目标的模糊置信度表示,因为分割过程充分利用了有监督学习策略得到的目标特征分布情况,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.在区域增长进行分割时,引入了新的区域能量表示模型作为区域增长的结束判决条件,分割时逐渐降低目标模糊置信度的门限,通过对区域能量模型的动态优化来逼近最佳分割结果。对比实验结果表明本文提出的算法具有更大的灵活性和更好的分割性能。 展开更多
关键词 图像分割 增长 支持向量数据描述 模糊置信度
下载PDF
基于大数据的电力信息网络流量异常检测机制 被引量:39
7
作者 姜红红 张涛 +3 位作者 赵新建 钱欣 赵天成 高莉莎 《电信科学》 北大核心 2017年第3期134-141,共8页
随着智能电网建设的加强,电力信息网络及其承载的业务系统得到迅猛发展,网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段,提出了一种基于大数据的电力信息网络流量异常检测机制,... 随着智能电网建设的加强,电力信息网络及其承载的业务系统得到迅猛发展,网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段,提出了一种基于大数据的电力信息网络流量异常检测机制,并通过对改进的局部异常因子(M-LOF)和支持向量域数据描述(SVDD)两种常用异常检测算法的对比分析,总结出适合电力信息网络的流量异常检测方法 。 展开更多
关键词 电力信息网络 流量异常检测 局部异常因子 支持向量域数据描述
下载PDF
基于密度敏感最大软间隔SVDD不均衡数据分类算法 被引量:6
8
作者 陶新民 李晨曦 +3 位作者 沈微 常瑞 王若彤 刘艳超 《电子学报》 EI CAS CSCD 北大核心 2018年第11期2725-2732,共8页
为了提高传统支持向量域描述(C-SVDD)算法处理不均衡数据集的分类能力,提出一种基于密度敏感最大软间隔支持向量域描述(DSMSM-SVDD)算法.该算法通过对多数类样本引入相对密度来体现训练样本原始空间分布对求解最优分类界面的影响,通过... 为了提高传统支持向量域描述(C-SVDD)算法处理不均衡数据集的分类能力,提出一种基于密度敏感最大软间隔支持向量域描述(DSMSM-SVDD)算法.该算法通过对多数类样本引入相对密度来体现训练样本原始空间分布对求解最优分类界面的影响,通过在目标函数中增加最大软间隔正则项,使C-SVDD的分类边界向少数类偏移,进而提高算法分类性能.算法首先对每个多数类样本计算相对密度来反映样本的重要性,然后将训练样本输入到DSMSM-SVDD中实现数据分类.实验部分,讨论了算法参数间的关系及其对算法分类性能的影响,给出算法参数取值建议.最后通过与C-SVDD的对比实验,表明本文建议的算法在不均衡数据情况下的分类性能优于C-SVDD算法. 展开更多
关键词 支持向量域数据描述 不均衡数据 相对密度
下载PDF
基于SVDD的交互式区域增长图像分割算法 被引量:2
9
作者 胡正平 谭营 《仪器仪表学报》 EI CAS CSCD 北大核心 2006年第z3期2114-2115,共2页
为克服经典区域增长算法中生长规则选取的困难,提出基于交互式支持向量域描述的区域增长图像分割算法。首先通过交互方式选择目标区域的一个种子点,然后通过交互式选择属于该目标区域的子块和非目标区域的子块构造SVDD的训练样本;然后... 为克服经典区域增长算法中生长规则选取的困难,提出基于交互式支持向量域描述的区域增长图像分割算法。首先通过交互方式选择目标区域的一个种子点,然后通过交互式选择属于该目标区域的子块和非目标区域的子块构造SVDD的训练样本;然后利用这些已知的训练样本训练支持向量域分类器;在区域增长过程中,利用训练所得的SVDD建立增长规则。仿真实验表明,提出的算法是合理可行的。 展开更多
关键词 增长 支持向量域数据描述 图像分割
下载PDF
多分类SVDD混叠域识别的模拟电路故障诊断
10
作者 仝奇 胡双演 +2 位作者 叶霞 张仲敏 李俊山 《计算机测量与控制》 2016年第1期50-53,共4页
针对多分类支持向量域数据描述(SVDD)方法中混叠样本诊断精度差的问题,提出了一种带异类样本的多分类SVDD算法;该方法在普通SVDD超球模型基础上,对于存在混叠区域的类别,以该类所有样本为目标类,其他类与之混叠的样本为异类,利用带异类... 针对多分类支持向量域数据描述(SVDD)方法中混叠样本诊断精度差的问题,提出了一种带异类样本的多分类SVDD算法;该方法在普通SVDD超球模型基础上,对于存在混叠区域的类别,以该类所有样本为目标类,其他类与之混叠的样本为异类,利用带异类样本的SVDD算法重新训练,直至所有超球优化完毕;仿真实验验证了文章算法消除混叠和提高精度的能力,并将该算法应用于模拟电路故障诊断中;相较与SVDD多分类算法、一对一和一对多SVM算法,文章方法在模拟电路故障诊断中具有更高的诊断精度。 展开更多
关键词 支持向量域数据描述 混叠 异类样本 故障诊断 模拟电路
下载PDF
基于SVDD的ADS-B异常数据检测 被引量:8
11
作者 王振昊 王布宏 《河北大学学报(自然科学版)》 CAS 北大核心 2019年第3期323-329,共7页
自动相关监视广播(ADS-B)与空管二次监视雷达(SSR)是空中交通管制的2种重要监视手段,其中ADS-B是目前正在推出的通信协议,在下一代空管监视系统中将会发挥重要作用.然而,ADS-B协议中安全措施缺乏,容易遭受虚假数据注入的攻击.为了识别AD... 自动相关监视广播(ADS-B)与空管二次监视雷达(SSR)是空中交通管制的2种重要监视手段,其中ADS-B是目前正在推出的通信协议,在下一代空管监视系统中将会发挥重要作用.然而,ADS-B协议中安全措施缺乏,容易遭受虚假数据注入的攻击.为了识别ADS-B中的异常数据,利用与其同步的SSR数据及通过Kalman滤波得出的的协方差矩阵,得到一组具有多维属性特征的样本数据,使用支持向量数据域描述的方法(SVDD)训练样本数据,可以得到用于检测异常的分类器.利用此分类器检测之后收到的ADS-B数据,从而识别出异常数据.通过仿真实验表明,该方法对于ADS-B异常数据具有80%以上的正确识别率,其中对于固定偏差注入的检测虚警率为5%,漏警率为0,对于随机偏差注入的检测虚警率为5%,漏警率为12.5%,验证了该方法的可行性. 展开更多
关键词 自动相关监视广播 空管二次监视雷达 支持向量数据描述 虚假数据注入 异常检测
下载PDF
基于SVDD的颅面模型数据分区方法
12
作者 李坤鹏 周明全 李康 《计算机应用研究》 CSCD 北大核心 2012年第12期4754-4757,4796,共5页
将颅面模型数据分区问题转换为一种模式分类问题,给出了一种网格模型上多尺度的特征处理方法,提出了一种基于核方法的支持向量数据域描述(SVDD)数据分区方法。实验证明,该分区方法能快速、有效地对颅面模型的特征区域进行精确合理的分区... 将颅面模型数据分区问题转换为一种模式分类问题,给出了一种网格模型上多尺度的特征处理方法,提出了一种基于核方法的支持向量数据域描述(SVDD)数据分区方法。实验证明,该分区方法能快速、有效地对颅面模型的特征区域进行精确合理的分区,且能够适用于有复杂轮廓与形状的特征区域。 展开更多
关键词 颅面复原 数据分区 支持向量数据描述 多尺度特征处理
下载PDF
基于拒绝式转导推理M-SVDD的机械故障诊断 被引量:2
13
作者 庄进发 罗键 +1 位作者 李波 吴长庆 《仪器仪表学报》 EI CAS CSCD 北大核心 2009年第7期1353-1358,共6页
针对现有多类支持向量域数据描述(multi-class support data description,M-SVDD)存在的不足和局限性,提出一种拒绝式转导推理多类支持向量域数据描述(rejected transductive inference M-SVDD,RTIM-SVDD)方法,并将该方法应用于机械加... 针对现有多类支持向量域数据描述(multi-class support data description,M-SVDD)存在的不足和局限性,提出一种拒绝式转导推理多类支持向量域数据描述(rejected transductive inference M-SVDD,RTIM-SVDD)方法,并将该方法应用于机械加工故障诊断当中。首先,RTIM-SVDD通过训练寻求一个尽可能包含所有数据样本的最小超球体作为拒绝检测面,来整体学习样本知识或数据描述,并以一定的拒绝度判别新的测试样本,达到故障检测的目的;其次,应用分别包含各个类别样本的多个超球体,来判别满足一定拒绝度的样本,实现多分类问题。对于模糊样本点归属判别关键问题,本文采用一种新的转导推理规则来进行决策。最后,通过一个仿真实验进行验证,结果证明了RTIM-SVDD的可行性和有效性。 展开更多
关键词 拒绝式转导推理多类支持向量域数据描述 故障诊断 拒绝度
下载PDF
基于ITD-AR模型和SVDD的轴承故障诊断方法研究 被引量:6
14
作者 王之宏 范玉刚 黄国勇 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2018年第2期228-235,共8页
针对滚动轴承在强背景噪声干扰下振动信号故障特征难以提取,以及实际运行中因故障样本缺乏而影响故障诊断准确性的问题,提出了基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)的AR模型振动信号特征提取,与支持向量数据... 针对滚动轴承在强背景噪声干扰下振动信号故障特征难以提取,以及实际运行中因故障样本缺乏而影响故障诊断准确性的问题,提出了基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)的AR模型振动信号特征提取,与支持向量数据域描述(Support Vector Data Description,SVDD)相结合的轴承故障诊断方法.首先用ITD将振动信号分解成一系列的固有旋转(Proper Rotation,PR)分量,然后对每一个PR分量建立AR模型,提取模型参数和残差方差构造特征向量,用以建立轴承正常运行的SVDD模型,并以振动信号特征向量偏离SVDD模型的程度来判断轴承的运行状态.将该方法应用于滚动轴承的故障诊断,实验证明了所提方法的有效性. 展开更多
关键词 滚动轴承 固有时间尺度分解 自回归模型 支持向量数据描述模型 故障诊断
下载PDF
改进K均值与模糊置信度的脑部MRI分割 被引量:3
15
作者 刘小明 喻杰 +1 位作者 刘俊 梅明 《计算机工程与设计》 北大核心 2015年第3期710-715,共6页
针对脑部磁共振图像(MRI)的灰度分布特性,提出一种结合灰度距离加权K-means聚类与模糊置信度的混合医学图像分割方法。采用改进的灰度加权K-means聚类方法对MRI图像进行训练分类得到粗略分类结果,运用基于支持向量数据域描述(SVDD)的模... 针对脑部磁共振图像(MRI)的灰度分布特性,提出一种结合灰度距离加权K-means聚类与模糊置信度的混合医学图像分割方法。采用改进的灰度加权K-means聚类方法对MRI图像进行训练分类得到粗略分类结果,运用基于支持向量数据域描述(SVDD)的模糊置信度方法对每个类精细分割,得到脑部各组织的输出图像。该算法分割时逐渐增大目标模糊置信度门限,通过对模糊置信度的动态优化来逼近最佳分割结果。在脑部MRI图像上的实验结果表明,该方法在处理图像灰度分布不均匀、存在孤立点、细化轮廓等问题时具有较高的准确度和鲁棒性。 展开更多
关键词 图像分割 K-MEANS聚类 支持向量数据描述 模糊置信度 磁共振图像
下载PDF
基于SVD和SVDD的轴承故障诊断 被引量:4
16
作者 刘英杰 范玉刚 吴建德 《控制工程》 CSCD 北大核心 2018年第3期423-427,共5页
将振动信号进行有效的特征提取与描述,是轴承故障诊断的关键。针对轴承实际运行当中,因故障数据的缺乏而严重影响故障诊断准确性的问题,采用了基于奇异值分解和支持向量数据域描述相结合的轴承故障智能诊断方法。首先,对正常运行的... 将振动信号进行有效的特征提取与描述,是轴承故障诊断的关键。针对轴承实际运行当中,因故障数据的缺乏而严重影响故障诊断准确性的问题,采用了基于奇异值分解和支持向量数据域描述相结合的轴承故障智能诊断方法。首先,对正常运行的振动信号进行奇异值分解,提取分量信号的能量,构建振动信号的特征向量。然后建立轴承支持向量数据域描述正常运行状态模型,以振动信号特征值偏离支持向量数据域描述模型的程度为标准,判断轴承运行状态。试验结果表明,将该方法应用于滚动轴承的故障诊断中可以有效提取振动信号的故障特征,提高轴承故障诊断的准确性。 展开更多
关键词 奇异值分解 单值分类 支持向量数据描述 故障诊断
原文传递
基于核的单类分类器研究 被引量:8
17
作者 冯爱民 陈松灿 《南京师范大学学报(工程技术版)》 CAS 2008年第4期1-6,共6页
以统计学习理论为背景,以核方法为基础的两类典型单类分类算法:单类支持向量机(OCSVM)和支持向量数据域描述(SVDD),均以降低VC维为目标,其中前者通过寻找一个远离原点的超平面,使目标数据所在的正半空间尽量最小;而后者通过寻找一个包... 以统计学习理论为背景,以核方法为基础的两类典型单类分类算法:单类支持向量机(OCSVM)和支持向量数据域描述(SVDD),均以降低VC维为目标,其中前者通过寻找一个远离原点的超平面,使目标数据所在的正半空间尽量最小;而后者通过寻找一个包含大部分目标数据的最小超球,实现体积最小化.围绕上述两算法,已有大量改进形式出现.本文以此为主线,分别从模型构建、模型改进和数据预处理的角度,进行了回顾和阐述,并对各算法的特点给出了相应的总结. 展开更多
关键词 核方法 单类分类器 单类支持向量 支持向量数据描述
下载PDF
融合多特征的纹理图像分割算法 被引量:3
18
作者 侯艳丽 《计算机技术与发展》 2012年第5期120-122,126,共4页
针对传统的只用纹理的一种特征进行纹图像分割时的分割错误率较高的问题,提出了一种融合多特征的纹理图像分割算法。该方法综合考虑纹理的空间特征和频域特征,其中,空间特征提取在支持向量数据域描述的基础上进行;频域特征提取则利用改... 针对传统的只用纹理的一种特征进行纹图像分割时的分割错误率较高的问题,提出了一种融合多特征的纹理图像分割算法。该方法综合考虑纹理的空间特征和频域特征,其中,空间特征提取在支持向量数据域描述的基础上进行;频域特征提取则利用改进的小波框架反映不同尺度间的特征;在此基础上,利用k均值算法对融合后的纹理特征进行聚类从而完成纹理图像的分割。实验结果表明与传统的只利用纹理的一种特征进行分割相比,该方法的错误率明显降低,同时在边缘准确性和区域一致性上都得到了明显的改善。 展开更多
关键词 图像 纹理分割 小波框架 K均值聚类 支持向量数据描述
下载PDF
Rolling bearing performance degradation evaluation by VMD and embedding selection-based NPE 被引量:4
19
作者 Tong Qingjun Hu Jianzhong +1 位作者 Jia Minping Xu Feiyun 《Journal of Southeast University(English Edition)》 EI CAS 2019年第4期408-416,共9页
In order to improve the incipient fault sensitivity and stability of degradation index in the rolling bearing performance degradation evaluation process,an embedding selection-based neighborhood preserving embedding(E... In order to improve the incipient fault sensitivity and stability of degradation index in the rolling bearing performance degradation evaluation process,an embedding selection-based neighborhood preserving embedding(ESNPE)method is proposed.Firstly,the acquired vibration signals are decomposed by variational mode decomposition(VMD),and the singular value and relative energy of each intrinsic mode function(IMF)are extracted to form a high-dimensional feature set.Then,the NPE manifold learning method is used to extract the embedded features in the feature space.Considering the problem that useful embedding information is easily suppressed in NPE,an embedding selection strategy is built based on the Spearman correlation coefficient.The effectiveness of embeddings is measured by the coefficient absolute value,and useful embeddings are preserved in the early stage of bearing degradation by using the first-order difference method.Finally,the degradation index is established using the support vector data description(SVDD)model and bearing performance degradation evaluation is achieved.The proposed method was tested with the whole life experiment data of a rolling bearing,and the result was compared with the feature extraction methods of traditional principal component analysis(PCA)and NPE.The results show that the proposed method is superior in improving the incipient fault sensitivity and stability of the degradation index. 展开更多
关键词 performance degradation evaluation variational mode decomposition(VMD) neighborhood preserving embedding(NPE) support vector data description(SVDD)
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部