基于支持向量机的组合分类方法及应用

摘要：

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法--AdaBoost-SVM.该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器.通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的AdaBoost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类.

关键词：航空发动机、故障诊断、组合分类方法+、AdaBoost算法+、支持向量机+

所属期刊栏目：28

分类号：V233.7(航空发动机（推进系统）)

资助基金：军队科技攻关项目2003KJ01705

在线出版日期：2008-03-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：669-673