典型文献
基于多核支持向量机的多模态过程故障检测
文献摘要：
针对具有多模态、非线性特征的复杂分布数据的工业过程,提出一种基于局部相对概率密度(LRPD)的多核支持向量机(MKSVM)故障检测方法LRPD-MKSVM.首先,计算训练样本的局部概率密度矩阵并进行标准化处理,来消除数据的多模态特性;其次,运用标准化后的概率密度矩阵训练多核SVM模型,获得判别分类函数;之后,将测试数据的概率密度矩阵作为多核SVM模型的输入,对其进行分类;最后,将该方法应用于TE多模态工业过程,分别与基于单核的高斯核函数SVM(RBFSVM)、多项式核函数SVM(POLYSVM)分类方法对比分析,结果表明:基于多核SVM方法的分类正确率明显优于单核SVM方法.
文献关键词：
故障检测;复杂工业过程;非线性;多核支持向量机;TE多模态数据集
中图分类号：
作者姓名：
李元;李榕
作者机构：
沈阳化工大学信息工程学院
文献出处：
引用格式：
[1]李元;李榕-.基于多核支持向量机的多模态过程故障检测)[J].化工自动化及仪表,2022(03):286-293
A类：
LRPD,局部概率密度,多模态工业过程,RBFSVM,POLYSVM
B类：
多核支持向量机,多模态过程,非线性特征,相对概率,MKSVM,故障检测方法,训练样本,密度矩阵,标准化处理,除数,模态特性,矩阵训练,分类函数,测试数据,TE,高斯核函数,多项式,分类方法,方法对比,复杂工业过程,多模态数据集
AB值：
0.250061
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
