面向类不均衡数据的多任务博弈概率分类向量机 被引量：1

1

作者 潘海洋 李丙新 +1 位作者 郑近德 童靳于 《机电工程》 CAS 北大核心 2024年第3期430-437,共8页

在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了... 在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了博弈因子,将不同类样本质心间的博弈信息赋予每个样本特定的样本质心敏感值,以解决传统分类器对不平衡数据集分类表现较差的问题;然后,在贝叶斯框架理论下,采用截断高斯先验分布的方法,使样本参数的正负与对应的标签信息相一致,且使样本质心敏感值产生了稀疏估计;最后,将MGPCVM方法应用于两种不同实验平台采集的滚动轴承实验数据处理,进行了故障诊断有效性验证。研究结果表明:在不同的不平衡比(IR)下,MGPCVM方法的准确率均保持在95%以上,相对于支持向量机(SVM)、概率分类向量机(PCVM)等方法提升了4%~8%;与典型向量式分类方法相比,MGPCVM方法可以在不平衡数据条件下表现出优越的分类性能,适用于实际工况中数据失衡的分类问题。 展开更多

关键词 滚动轴承 故障诊断 多任务博弈概率分类向量机 支持向量机 概率分类向量机 不均衡比 故障分类模型

在线阅读 下载PDF 职称材料

神经网络和支持向量机在认知诊断中的应用 被引量：13

2

作者 汪文义 丁树良 +2 位作者 宋丽红 邝铮 曹慧媛 《心理科学》 CSSCI CSCD 北大核心 2016年第4期777-782,共6页

认知诊断评估的主要问题是如何准确进行被试分类和项目属性标定。本文使用概率神经网络(PNN)和支持向量机(SVM)进行被试分类和属性标定,重点讨论PNN用于诊断的理论根据。模拟研究表明:PNN方法表现最好,训练速度快且具有很好判准率和标... 认知诊断评估的主要问题是如何准确进行被试分类和项目属性标定。本文使用概率神经网络(PNN)和支持向量机(SVM)进行被试分类和属性标定,重点讨论PNN用于诊断的理论根据。模拟研究表明:PNN方法表现最好,训练速度快且具有很好判准率和标定准确率;PNN与GDD方法在分类上表现相当,在独立结构下PNN更好;线性SVM具有较好判准率和标定准确率。软计算中此类方法可非常方便推广至多级评分测验数据分析。 展开更多

关键词 认知诊断评估 概率神经网络 支持向量机 诊断分类 项目属性标定

在线阅读 下载PDF 职称材料

基于条件分类与证据理论的短期风电功率非参数概率预测方法 被引量：24

3

作者 林优 杨明 +1 位作者 韩学山 安滨 《电网技术》 EI CSCD 北大核心 2016年第4期1113-1119,共7页

提出了一种基于稀疏贝叶斯分类与Dempster-Shafer(D-S)证据理论的短期风电功率概率分布非参数估计方法,预测时间尺度为48 h。该方法首先通过支持向量机(support vector machine,SVM)对风电功率进行点预测;进而将SVM预测误差的范围离散... 提出了一种基于稀疏贝叶斯分类与Dempster-Shafer(D-S)证据理论的短期风电功率概率分布非参数估计方法,预测时间尺度为48 h。该方法首先通过支持向量机(support vector machine,SVM)对风电功率进行点预测;进而将SVM预测误差的范围离散为多个区间,通过建立稀疏贝叶斯分类器对SVM预测误差落入各预定区间的概率进行估计。然后应用D-S证据理论对所有区间对应的概率估计结果进行整合,得到SVM预测误差的整体概率分布。最后叠加误差分布与SVM预测的风电功率值,得到风电功率的概率分布结果。该方法基于稀疏贝叶斯架构构建,具有高稀疏性,确保了模型的泛化能力与计算速度。该方法还系统地计及了风电场输出功率必须满足在[0,GN](GN为风电场装机容量)内取值的边界约束,使预测结果更加符合实际。以某74 MW的风电场为例对上述方法进行了验证,结果表明了该方法的有效性。 展开更多

关键词 风电功率概率预测 非参数估计 支持向量机 稀疏贝叶斯分类 D-S证据理论

在线阅读 下载PDF 职称材料

基于光谱与空间特征结合的改进高光谱数据分类算法 被引量：11

4

作者 李娜 李咏洁 +1 位作者 赵慧洁 曹扬 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2014年第2期526-531,共6页

针对仅利用光谱信息进行分类未充分利用高光谱数据图谱合一特性的问题,提出了基于马尔可夫随机场的改进分类模型,利用基于最大后验概率的马尔科夫随机场模型进行光谱与空间信息的融合应用,采用基于光谱信息的概率支持向量机方法提高马... 针对仅利用光谱信息进行分类未充分利用高光谱数据图谱合一特性的问题,提出了基于马尔可夫随机场的改进分类模型,利用基于最大后验概率的马尔科夫随机场模型进行光谱与空间信息的融合应用,采用基于光谱信息的概率支持向量机方法提高马尔科夫随机场模型中光谱能量函数项的类条件概率估计精度,设计基于信息传播策略、信息更新策略、多尺度传播策略的多重加速策略的高效置信传播优化算法,解决了马尔科夫随机场模型中全局能量最小化优化过程中计算复杂度高、计算耗时等问题。利用航空可见-近红外成像光谱仪AVIRIS对美国印第安纳州西北部的农业示范区数据进行应用分析,并与迭代条件模型、模拟退火、置信传播等方法进行性能比较,试验结果表明:该方法能够达到总体分类精度95.78%、Kappa系数0.933 4,优于现有马尔科夫随机场分类算法,并且计算效率比置信传播优化算法提高了3倍以上。 展开更多

关键词 高光谱遥感 分类 马尔可夫随机场 概率支持向量机 高效置信传播

在线阅读 下载PDF 职称材料

高光谱影像概率分类向量机分类方法研究 被引量：1

5

作者 薛志祥 余旭初 +2 位作者 张鹏强 谭熊 魏祥坡 《测绘科学技术学报》 CSCD 北大核心 2016年第4期426-430,共5页

从分析基于支持向量机和相关向量机的高光谱影像分类方法的优势和不足出发,将基于概率分类向量机的方法用于高光谱影像分类试验。在贝叶斯理论框架下,概率分类向量机为基函数权值引入截断Gauss先验概率分布,使得不同类别的基函数权值具... 从分析基于支持向量机和相关向量机的高光谱影像分类方法的优势和不足出发,将基于概率分类向量机的方法用于高光谱影像分类试验。在贝叶斯理论框架下,概率分类向量机为基函数权值引入截断Gauss先验概率分布,使得不同类别的基函数权值具有不同符号的先验分布,并利用EM算法进行参数推断,得到足够稀疏的概率模型,弥补了相关向量机选取错误类别的样本作为相关向量的不足,从而有效地提高了模型的分类精度和稳定性。OMIS和PHI影像分类试验表明,概率分类向量机能够很好地应用在高光谱影像分类。 展开更多

关键词 高光谱影像 稀疏分类 贝叶斯模型 概率分类向量机 相关向量机

在线阅读 下载PDF 职称材料

基于概率的支持向量数据描述方法 被引量：4

6

作者 杨晨 王婕婷 +1 位作者 李飞江 钱宇华 《计算机应用》 CSCD 北大核心 2019年第11期3134-3139,共6页

针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到... 针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到两类数据的数据描述,计算测试样本到超球体的距离;然后,构造一个将距离转换为概率的函数,提出一种基于概率的SVDD方法;同时,使用Bagging算法进行集成,进一步提高数据描述的性能。借鉴分类场景,将所提方法与传统的SVDD方法在Gunnar Raetsch的13种基准数据集上进行实验,实验结果表明,所提方法在准确率和F1值上优于传统的SVDD方法,并且其数据描述的性能有所提升。 展开更多

关键词 概率机器学习 支持向量数据描述 集成 不确定性 分类

在线阅读 下载PDF 职称材料

基于稀疏贝叶斯模型的特征选择 被引量：4

7

作者 祝璞 黄章进 《计算机工程》 CAS CSCD 北大核心 2017年第4期183-187,193,共6页

通过采用稀疏贝叶斯推理方法,设计出可同时进行学习最优分类器与选取最优特征子集的特征选择概率分类向量机算法。该算法是对概率分类向量机特征选择的扩展,可提高其在高维数据集上的性能。通过选取零均值的高斯分布作为先验,在模型中... 通过采用稀疏贝叶斯推理方法,设计出可同时进行学习最优分类器与选取最优特征子集的特征选择概率分类向量机算法。该算法是对概率分类向量机特征选择的扩展,可提高其在高维数据集上的性能。通过选取零均值的高斯分布作为先验,在模型中起到正则项的作用,同时在核函数和特征中引入稀疏,得到泛化性更好的分类模型。在高维度和低维度数据集中的实验结果表明,该算法同时具有较好的分类和特征选择能力。 展开更多

关键词 机器学习 核函数 稀疏贝叶斯 特征选择 概率分类向量机 自动相关性检测

在线阅读 下载PDF 职称材料

一种新的概率支持向量机方法

8

作者 王剑锋 杨胜 +1 位作者 谢凯 李仁发 《计算机工程与应用》 CSCD 北大核心 2008年第12期145-146,160,共3页

提出一个新的基于样本点概率估计的支持向量机,通过定义相应样本数据点的概率估计值,以及相应的数据样本点到超平面的距离,来形成新的线性和非线性情况下的支持向量机。最后通过实验证明,在数据集的训练上,新的支持向量机比以往传统的... 提出一个新的基于样本点概率估计的支持向量机,通过定义相应样本数据点的概率估计值,以及相应的数据样本点到超平面的距离,来形成新的线性和非线性情况下的支持向量机。最后通过实验证明,在数据集的训练上,新的支持向量机比以往传统的支持向量机有更好的分类性能,并且缩短了支持向量机数据样本的训练时间。 展开更多

关键词 分类 支持向量机 数据样本 概率支持向量机 概率估计值

在线阅读 下载PDF 职称材料

基于ICA-ELM的工业过程故障分类 被引量：7

9

作者 严文武 潘丰 《计算机工程》 CAS CSCD 北大核心 2015年第10期290-294,共5页

基于独立成分分析(ICA)的多变量统计过程监控主要用于故障检测,不能有效地进行故障分类。为此,结合极限学习机(ELM),提出一种ICA-ELM的故障分类方法。利用ICA提取故障特征,通过ELM学习算法训练神经网络,从而实现故障分类。采用TE过程数... 基于独立成分分析(ICA)的多变量统计过程监控主要用于故障检测,不能有效地进行故障分类。为此,结合极限学习机(ELM),提出一种ICA-ELM的故障分类方法。利用ICA提取故障特征,通过ELM学习算法训练神经网络,从而实现故障分类。采用TE过程数据进行验证,实验结果表明,与概率神经网络和支持向量机相比,ICA-ELM算法的故障分类准确率更高,训练速度更快。 展开更多

关键词 独立成分分析 极限学习机 故障分类 概率神经网络 支持向量机 TE过程

在线阅读 下载PDF 职称材料

SVM在多目标跟踪中的回波分类及并行化研究

10

作者 侯立斐 郑晓薇 于梦玲 《微型机与应用》 2012年第11期78-80,共3页

在蒙特卡罗联合概率数据关联滤波(MC-JPDAF)算法基础上提出了SVM-MC-JPDAF算法,采用支持向量机(SVM)分类技术,针对跟踪门交叉区域的有效回波进行特别分类。通过仿真实验,算法有效地降低了失跟率以及目标估计值的均方根误差(RMSE),并且... 在蒙特卡罗联合概率数据关联滤波(MC-JPDAF)算法基础上提出了SVM-MC-JPDAF算法,采用支持向量机(SVM)分类技术,针对跟踪门交叉区域的有效回波进行特别分类。通过仿真实验,算法有效地降低了失跟率以及目标估计值的均方根误差(RMSE),并且对算法实现了并行化,在提高性能的同时控制了算法的执行负担。 展开更多

关键词 多目标跟踪 支持向量机 回波分类 联合概率数据关联 并行计算

在线阅读 下载PDF 职称材料

利用概率分类向量机的高光谱影像非线性解混

11

作者 薛志祥 余旭初 +1 位作者 谭熊 秦进春 《测绘科学与工程》 2017年第1期45-50,共6页

为提高高光谱影像的解混精度，针对线性解混模型无法揭示混合像元中的非线性特性以及当前非线性解混方法解混精度低的问题，提出一种利用概率分类向量机后验概率进行高光谱影像非线性混合像元分解的方法。在贝叶斯理论框架下，概率分类... 为提高高光谱影像的解混精度，针对线性解混模型无法揭示混合像元中的非线性特性以及当前非线性解混方法解混精度低的问题，提出一种利用概率分类向量机后验概率进行高光谱影像非线性混合像元分解的方法。在贝叶斯理论框架下，概率分类向量机为基函数权值引入截断Gauss先验概率分布，弥补了相关向量机选取错误类别的样本作为相关向量的不足；模型预测值具有明确的概率统计意义，类别后验概率不需要通过带参数的Sigmoid函数近似，有效地提高了模型的解混精度和稳定性。实验结果表明，与基于支持向量机、相关向量机和线性解混模型相比，所提模型有效地提高了光谱解混精度。 展开更多

关键词 高光谱影像 核稀疏表示 概率分类向量机 相关向量机 非线性解混

在线阅读 下载PDF 职称材料

基于改进多分类概率SVM模型的变压器故障诊断

12

作者 彭刚 唐松平 +2 位作者 张作刚 彭杰 张彦斌 《机械与电子》 2018年第4期42-47,共6页

针对电力变压器内部结构复杂,故障类型繁多,难以实现故障准确有效诊断的问题。提出k近邻及改进多分类概率支持向量机对电力变压器进行多分类故障诊断的方法。首先,采用有向无环图的形式对变压器各种故障进行归类,进而利用k近邻算法对故... 针对电力变压器内部结构复杂,故障类型繁多,难以实现故障准确有效诊断的问题。提出k近邻及改进多分类概率支持向量机对电力变压器进行多分类故障诊断的方法。首先,采用有向无环图的形式对变压器各种故障进行归类,进而利用k近邻算法对故障大类进行预分类,缩小故障所属类别,降低了后续多分类模型的构建复杂度。然后,以预分类后的类别样本数据作为输入,训练OVO-SVMs分类器,以概率的形式输出隶属各类的概率矩阵,并用改进OVR-SVMs分类器的概率输出作为概率矩阵中各元素的权重系数,对概率矩阵进行更新、修正,提高故障诊断正确率及可靠性。实际诊断结果显示,所提出的方法与IEC三比值法和传统的多分类支持向量机相比,在故障诊断范围、故障诊断正确率和故障诊断效率上均有所提高。 展开更多

关键词 改进多分类 电力变压器 故障诊断 概率支持向量机

在线阅读 下载PDF 职称材料