一种基于粒度相关向量机的故障预测方法

摘要：

针对相关向量机在预测大样本故障数据中存在学习效率低和过度学习的不足,将粒计算和相关向量机理论系统结合,提出一种基于粒度相关向量机的故障预测方法.首先,以模糊C均值聚类作为粒化方法,将原数据集划分成一系列信息粒并提取其粒心以代替该粒中的样本;然后,将粒心的集合作为训练集对相关向量机的模型进行训练;最后,以训练得到的模型对未知数据进行预测.仿真结果表明,聚类数目和核参数的合理选取是保证粒度相关向量机性能的关键,粒度相关向量机在显著提高对大样本数据学习效率的同时,避免了过度学习,具有较高的预测精度.

关键词：粒度相关向量机、粒计算、相关向量机、模糊C均值聚类、聚类数目、核参数

分类号：TP206(自动化技术及设备)

在线出版日期：2016-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：91-95,99