|本期目录/Table of Contents|

[1]柳长源,毕晓君,韦琦,等.基于向量机学习算法的多模式分类器的研究及改进[J].电机与控制学报,2013,(01):114-118.
 LIU Chang-yuan,BI Xiao-jun,WEI Qi.Research and improvement of multiclass pattern classifier based on vector machine learning algorithm[J].,2013,(01):114-118.
点击复制

基于向量机学习算法的多模式分类器的研究及改进(PDF)
分享到:

《电机与控制学报》[ISSN:1007-449X/CN:23-1 408/TM]

卷:
期数:
2013年01
页码:
114-118
栏目:
出版日期:
2013-01-20

文章信息/Info

Title:
Research and improvement of multiclass pattern classifier based on vector machine learning algorithm
作者:
柳长源; 毕晓君; 韦琦;
哈尔滨工程大学信息与通信工程学院; 哈尔滨理工大学电气与电子工程学院;
Author(s):
LIU Chang-yuan12BI Xiao-jun1WEI Qi2
1.College of Information and Communication Engineering,Harbin Engineering University,Harbin 150001,China; 2.School of Electrical and Electronic Engineering,Harbin University of Science and Technology,Harbin 150080,China
关键词:
模式识别 支持向量机 相关向量机 分类器 “一对一”算法
Keywords:
-
分类号:
TP18
DOI:
-
文献标志码:
A
摘要:
为了提高向量机"一对一"学习算法在多模式识别中的分类效率,对基于支持向量机和相关向量机算法进行多模式分类的方法进行研究,发现比较次数过多是该方法计算量大的主要原因。提出了一种在每轮比较中,排除最差类别的新方法。该方法使比较次数逐级减少,并且当类别数较多时,总计算量减少尤其明显。通过理论分析和对数据分类的实验结果表明,新方法与传统分类器相比,在基本不影响分类正确率的前提下,机器训练与识别次数显著减少,算法运行速度明显提高。
Abstract:
-

参考文献/References:

-

相似文献/References:

[1]柴伟,孙先仿.集员估计的加权最小二乘支持向量机方法[J].电机与控制学报,2009,(03):431.
 CHAI Wei,SUN Xian-fang.Set membership estimation by weighted least squares support vector machines[J].,2009,(01):431.
[2]朱志莹,孙玉坤,黄永红,等.磁悬浮开关磁阻电机逆动力学建模与控制[J].电机与控制学报,2011,(03):74.
 ZHU Zhi-ying,SUN Yu-kun,HUANG Yong-hong.Inverse dynamics modeling and control for bearingless switched reluctance motor[J].,2011,(01):74.
[3]王德成,林辉.一种基于支持向量机的矢量控制方法及应用[J].电机与控制学报,2012,(05):52.
 WANG De-cheng,LIN Hui.Vector control method based on support vector machine and its application[J].,2012,(01):52.
[4]吴忠强,马宝明,庄述燕,等.双馈风力发电系统终端滑模控制研究[J].电机与控制学报,2012,(08):94.
 WU Zhong-qiang,MA Bao-ming,ZHUANG Shu-yan.Research on terminal sliding mode control for double-fed wind power system[J].,2012,(01):94.
[5]王攀攀,史丽萍,苗长新,等.利用骨干微粒群算法和SVM诊断电机定子故障[J].电机与控制学报,2013,(02):48.
 WANG Pan-pan,SHI Li-ping,MIAO Chang-xin,et al.Diagnosing stator fault in motors by using bare-bones particle swarm optimization algorithm and SVM[J].,2013,(01):48.
[6]司利云,林辉. 基于支持向量机的开关磁阻电机转子位置在线建模[J].电机与控制学报,2014,18(04):72.
 SI Li-yun,LIN Hui. Online modeling based on support vector machine for rotor positionsignal of switched reluctance motors[J].,2014,18(01):72.
[7]边莉,边晨源. 采用交叉熵支持向量机和模糊积分的电网故障诊断[J].电机与控制学报,2016,20(02):112.[doi:10. 15938 / j. emc. 2016. 02. 016]
 BIAN Li,BIAN Chen-yuan. Fault diagnosis of power networks applying CE-SVM and fuzzy integral fusion [J].,2016,20(01):112.[doi:10. 15938 / j. emc. 2016. 02. 016]
[8]李梦诗,王学健,季天瑶.基于形态小波范数熵和支持向量机的电能质量分类研究[J].电机与控制学报,2016,20(09):33.[doi:10. 15938 / j. emc. 2016. 09. 005]
 LI Meng-shi,WANG Xue-jian,JI Tian-yao.Research on classification of power quality based on norm entropy of morphological wavelet and support vector machine [J].,2016,20(01):33.[doi:10. 15938 / j. emc. 2016. 09. 005]
[9]李浩洋,郭源博,张晓华.采用复合特征提取和SVM 的三电平STATCOM故障诊断方法[J].电机与控制学报,2019,23(02):53.[doi:10.15938/j.emc.2019.02.007]
 LI Hao-yang,GUO Yuan-bo,ZHANG Xiao-hua.Fault diagnosis for a three-level STATCOM based on the hybrid feature extraction and SVM[J].,2019,23(01):53.[doi:10.15938/j.emc.2019.02.007]

备注/Memo

备注/Memo:
国家自然科学基金(61175126);中央高校基本科研业务费专项资金(HEUCFZ1209);教育部博士点基金(20112304110009);黑龙江省自然科学基金(E200932)
更新日期/Last Update: 2013-06-08