基于支持向量机的多类分类算法研究及在滚动轴承故障识别中的应用

发布时间：2022-12-04 02:07

　　上世纪九十年代，在统计学习理论的基础上发展出了一种新的机器学习算法——支持向量机。由于其具有良好的理论基础和推广能力，并解决了机器学习领域存在的一些问题，因而受到了人们普遍的重视。然而，支持向量机本身是针对两类分类问题的算法，而实际生活中广泛存在着的是多类别的分类问题，因此，研究如何利用支持向量机实现多类分类，具有十分重要的意义，也成为当前研究的一个热点问题。国内外学者在此领域作了大量的研究工作，提出了多种基于支持向量机的多类分类算法，达到了利用支持向量机实现多类分类的目的，这些算法有着各自的优点，但还存在一定的缺陷，还有很多问题需要得到进一步的解决。总体上看，基于支持向量机的多类分类算法的研究还处于一个不断探索的阶段，有着广阔的发展空间。 本文全部研究工作的着眼点主要集中于以下几个问题：现有的几种支持向量机多类分类器在算法结构和分类机理上彼此有什么共同点，能否将它们归结为几种类型；如何确定多类分类器的算法结构以提高分类器的推广能力；核函数的变化对多类样本经过映射后所有两类间的可分性对比关系究竟有什么影响；能否直接在高维特征空间中对多类样本所有两类的可分性对比关系进行估计... 

【文章页数】：102 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究的背景和意义
    1.2 课题研究的现状和前景
    1.3 本文的主要工作、创新点及全文结构
        1.3.1 主要工作及创新点
        1.3.2 全文结构
第二章 统计学习理论与支持向量机
    2.1 机器学习问题
        2.1.1 机器学习问题概述
        2.1.2 学习问题的表述
    2.2 统计学习理论
        2.2.1 VC维
        2.2.2 推广性的界理论
        2.2.3 结构风险最小化原则
    2.3 支持向量机
        2.3.1 广义最优分类面
        2.3.2 线性情况下的支持向量机
        2.3.3 核函数与非线性情况下的支持向量机
    2.4 本章小结
第三章 基于支持向量机的多类分类算法
    3.1 "一对多"多类分类算法
    3.2 "一对一"多类分类算法
    3.3 一次性求解算法
    3.4 DAGSVM多类分类算法
    3.5 基于二叉树结构的支持向量机多类分类算法
    3.6 其它支持向量机多类分类算法
        3.6.1 层次分类算法
        3.6.2 纠错输出编码支持向量机(ECOC SVMS)
    3.7 对多类分类算法的进一步思考
        3.7.1 "一对多"和"一对一"多类分类算法的比较分析
        3.7.2 基于二叉树结构的支持向量机多类分类算法和DAGSVM的比较分析
    3.8 本章小结.
第四章 滚动轴承故障实验
    4.1 机械故障诊断技术概述
    4.2 支持向量机多类分类算法在机械故障识别中的应用
    4.3 滚动轴承故障实验
        4.3.1 滚动轴承故障诊断概述
        4.3.2 滚动轴承故障实验
    4.4 本章小结
第五章 特征提取
    5.1 特征提取概述
    5.2 小波分析与小波包变换
        5.2.1 小波变换的产生背景
        5.2.2 连续小波变换
        5.2.3 离散小波变换
        5.2.4 多分辨率分析
        5.2.5 小波包变换
    5.3 基于小波包变换的滚动轴承振动信号特征提取
        5.3.1 基于小波包变换的特征提取过程
        5.3.2 滚动轴承振动信号的特征提取
    5.4 本章小结
第六章 类间可分性研究
    6.1 类间可分性及其判据
    6.2 JB/JW判据对轴承实验五类样本的可分性判别
    6.3 基于核函数映射的JB/JW判据及对滚动轴承故障样本的可分性判别
    6.4 本章小结
第七章 基于类间可分性度量的支持向量机多类分类算法
    7.1 基于类间可分性度量的二叉树结构生成和基于两类可分性最大原则的支持向量机多类分类算法
        7.1.1 引言
        7.1.2 基于类间可分性度量的二叉树生成
        7.1.3 基于两类可分性最大原则的支持向量机多类分类算法的提出
    7.2 基于类间可分性度量的支持向量机多类分类算法在滚动轴承故障识别中的应用
        7.2.1 二叉树结构的生成
        7.2.2 基于二叉树结构的支持向量机多类分类算法在滚动轴承故障识别中的应用
        7.2.3 任意二叉树结构的支持向量机多类分类算法及分类效果的对比
        7.2.4 基于两类可分性最大原则的支持向量机多类分类算法结构的确定
        7.2.5 基于两类可分性最大原则的支持向量机多类分类算法在滚动轴承故障识别中的应用
    7.3 本章小结
第八章 基于类间可分性的"一对二"支持向量机多类分类算法及其应用
    8.1 对基于二叉树结构的支持向量机多类分类算法及DAGSVM的进一步分析
    8.2 基于类别可分性度量的"一对二"支持向量机多类分类算法的提出
        8.2.1 "一对二"支持向量机多类分类算法
        8.2.2 基于类间可分性度量的"一对二"支持向量机多类分类算法
    8.3 基于类间可分性度量的"一对二"支持向量机多类分类算法在滚动轴承故障识别中的应用
    8.4 本章小结
第九章 总结与展望
    9.1 全文总结
    9.2 未来的展望
参考文献
致谢
攻读硕士学位期间发表的学术论文


【参考文献】：
期刊论文
[1]一种基于SOM解码的多类支持向量机[J]. 陶晓燕,姬红兵.  系统工程与电子技术. 2006(09)
[2]一种设计层次支持向量机多类分类器的新方法[J]. 赵晖,荣莉莉,李晓.  计算机应用研究. 2006(06)
[3]支持向量机（SVM）的研究进展[J]. 李晓宇,张新峰,沈兰荪.  测控技术. 2006(05)
[4]多类支持向量机算法综述[J]. 黄勇,郑春颖,宋忠虎.  计算技术与自动化. 2005(04)
[5]支持向量机解决多分类问题研究[J]. 郑勇涛,刘玉树.  计算机工程与应用. 2005(23)
[6]支持向量机多类分类算法研究[J]. 唐发明,王仲东,陈绵云.  控制与决策. 2005(07)
[7]基于几何距离可分性判据的文本特征提取[J]. 褚金正,章兢.  企业技术开发. 2005(07)
[8]基于决策二叉树的多类支持向量机在大气质量评定中的应用[J]. 侯惠芳,刘素华.  计算机应用与软件. 2005(05)
[9]基于核聚类方法的多层次支持向量机分类树[J]. 张国宣,孔锐,施泽生,郭立,刘士建,薛明东.  计算机工程. 2005(05)
[10]一种新的二叉树多类支持向量机算法[J]. 唐发明,王仲东,陈绵云.  计算机工程与应用. 2005(07)

硕士论文
[1]基于小波分析的齿轮箱齿轮点蚀故障诊断[D]. 王佃武.兰州理工大学 2006
[2]基于小波包分析的滚动轴承故障智能诊断[D]. 黄建鸿.南昌大学 2005
[3]基于支持向量机的机器学习研究[D]. 刘华煜.大庆石油学院 2005
[4]支持向量机多类分类算法的研究及应用[D]. 黄琼英.河北工业大学 2005



本文编号：3707405