基于核密度估计的实时SVDD算法与电路故障检测应用

作     者：杜敏杰 马善钊 王建国 汪军 Du Minjie;Ma Shanzhao;Wang Jianguo;Wang Jun

作者机构：南京军事代表局驻淄博地区军事代表室山东淄博255201 

出 版 物：《计算机测量与控制》 (Computer Measurement &Control)

年 卷 期：2014年第22卷第4期

页      面：1039-1041,1045页

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：河北省重点基础研究资助项目(10963529D) 通用装备保障科研项目 

主　　题：SVDD 计算复杂度 支持向量 KDE 

摘      要：针对支持向量数据描述(SVDD)训练大规模样本时计算复杂度太大的问题,利用支持向量的稀疏特性,提出了一种基于核密度估计(KDE)的实时SVDD算法;该算法首先通过KDE方法从原始样本集中选择εk比例的稀疏样本用于SVDD训练;然后用训练得到的支持向量对特征空间中的样本中心进行估计;最后计算原始样本集中所有样本到中心的距离,并对所有距离按降序排列,通过提取εd比例距中心较大的样本作为训练样本集对SVDD进行训练,最终实现了训练样本规模约简;仿真结果表明:算法在保证训练精度的前提下训练复杂度削减为经典算法的1/10以内,满足了SVDD故障检测的实时性要求。