故障率预测的稀疏直接支持向量回归机方法

摘要：

为改善直接支持向量回归机(DSVMR)的稀疏性,提出一种适用于DSVMR的剪样训练算法.该算法利用矩阵变换实现剪样前后DSVMR的递推求解,提高了剪样训练过程中DSVMR多次训练的计算效率.混沌时间序列预测仿真表明,该算法有效改善了DSVMR的稀疏性,且计算效率较基于Cholesky分解的剪样训练算法有显著提高.飞机故障率预测实例表明,经剪样训练后的DSVMR的预测精度高于BP(back-propagation)神经网络预测方法与RBF(radial casis function)神经网络预测方法.

关键词：直接支持向量回归机、稀疏性、剪样训练算法、时间序列、故障率预测

所属期刊栏目：25

分类号：TP277(自动化技术及设备)

在线出版日期：2011-02-17（万方平台首次上网日期，不代表论文的发表时间）

页码：2594-2598