国家自然科学基金(61074076)
- 作品数：29 被引量：320H指数：9
- 相关作者：陶新民付丹丹张冬雪刘玉刘福荣更多>>
- 相关机构：哈尔滨工程大学黑龙江省电力有限公司哈尔滨电力职业技术学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术电气工程电子电信机械工程更多>>
- 基于精简集支持向量机的变压器故障检测方法被引量：21
- 2016年
- 为解决变压器故障样本不易收集导致的数据不均衡问题,提出一种基于精简集约简上取样不均衡支持向量机（SVM）变压器故障检测方法。该方法首先利用广义自回归条件异方差（GARCH）模型生成变压器特征向量,然后利用精简集约简算法对少数类边界样本进行上取样,生成人工少数类样本从而实现训练样本均衡;并将该算法同其他不均衡数据取样方法进行比较。结果表明,在不同故障样本及不同不均衡比例下,该算法的检测率提高了6%~9%;此外,该算法生成后的样本不仅能代表整体结构信息,同时又兼顾不同样本组合的局部空间结构信息;因此该算法能有效提高SVM算法在不均衡数据情况下变压器的故障检测性能。
- 陶新民李震刘福荣张越
- 关键词：变压器广义自回归条件异方差故障检测支持向量机不均衡数据
- 基于谱聚类欠取样的不均衡数据SVM分类算法被引量：28
- 2012年
- 提出一种基于谱聚类欠取样的不均衡数据支持向量机(SVM)分类算法.该算法首先在核空间中对多数类样本进行谱聚类;然后在每个聚类中根据聚类大小和该聚类与少数类样本间的距离,选择具有代表意义的信息点;最终实现训练样本间的数目均衡.实验中将该算法同其他不均衡数据预处理方法相比较,结果表明该算法不仅能有效提高SVM算法对少数类的分类性能,而且总体分类性能及运行效率都有明显提高.
- 陶新民张冬雪郝思媛付丹丹
- 关键词：不均衡数据SVM算法谱聚类
- 定向多尺度变异克隆选择优化算法被引量：9
- 2011年
- 提出一种定向多尺度变异克隆选择优化算法.为了实现抗体间信息共享,算法利用定向进化机制引导抗体向着抗体群最优解区域逼近.采用多尺度高斯变异机制,在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位.随着适应值的提升,小尺度变异会随之减低,使得算法在进化后期通过小尺度变异完成局部精确解的搜索.将算法应用到5个经典函数优化问题,结果表明,该算法不仅具有更快的收敛速度,而且全局解搜索能力和稳定性均有显著提高.
- 陶新民刘福荣刘玉付丹丹
- 关键词：克隆选择定向进化
- 不均衡数据下基于SVM的故障检测新算法被引量：21
- 2010年
- 针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。
- 陶新民刘福荣童智靖杨立标
- 关键词：故障检测支持向量机
- 基于样本特性欠取样的不均衡支持向量机被引量：25
- 2013年
- 针对传统支持向量机在数据失衡的情况下分类效果很不理想的问题,提出一种基于样本特性欠取样的不均衡SVM分类算法.该算法首先在核空间中依据样本信息量选择一定比例的靠近不均衡分类界面的多数类样本;然后根据样本密度信息选择最具有代表性的均衡多数类样本点,在减少多数类样本的同时使分类界面向多数类方向偏移.实验结果表明,所提出的算法与其他不均衡数据预处理方法相比,能有效提高SVM算法在失衡数据中少数类的分类性能、总体分类性能和鲁棒性.
- 陶新民郝思媛张冬雪李震
- 关键词：不均衡数据支持向量机
- 基于谱聚类下采样失衡数据下SVM故障检测被引量：3
- 2013年
- 在故障诊断领域中,对传统支持向量机(SVM)算法在数据失衡情况下无法有效实现故障检测的不足,提出一种基于谱聚类下采样失衡数据下SVM故障检测算法。该算法在核空间中对多数类进行谱聚类,然后选择具有代表意义的信息点,最终实现样本均衡。将该算法应用在轴承故障检测领域,并同其他算法进行比较,试验结果表明所建议的算法在失衡数据情况下较其他算法具有较强的故障检测性能。
- 陶新民张冬雪郝思媛徐鹏
- 关键词：故障检测谱聚类下采样
- 基于随机下采样和SMOTE的不均衡SVM分类算法被引量：12
- 2012年
- 传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。
- 朱明陶新民
- 关键词：不均衡数据SVM算法
- 一种组合粒子群和差分进化的多目标优化算法被引量：8
- 2013年
- 在求解多目标优化问题时,针对粒子群优化算法容易陷入局部极值的现象,提出了一种组合粒子群和差分进化的多目标优化算法,使用粒子群优化算法和差分进化算法共同产生新粒子,通过一个判断因子控制两种算法的使用比例,并对粒子群优化算法的速度更新公式进行了改变,以提高搜索效率。通过三个测试函数进行了仿真,并同NSGA-Ⅱ、MOPSO-CD进行了比较。实验结果表明改进算法求得的Pareto解集收敛性和多样性好,并且算法稳定性高,运行速度快。
- 陶新民徐鹏刘福荣张冬雪
- 关键词：多目标优化粒子群优化差分进化
- 基于多群竞争的并行免疫进化算法
- 易早熟收敛是传统免疫进化算法的弱点,本文在分析了导致免疫进化算法早熟原因的基础上,提出了一种改进的多种群竞争进化的并行免疫进化算法。在该算法中,进化在多个不同的子群间并行进行,子群间的竞争决定个体的变异能力,子群间的信息...
- 陶新民张越李震
- 关键词：免疫算法变异算子并行进化
- 基于两阶段学习的半监督支持向量机分类算法被引量：4
- 2012年
- 提出了一种基于两阶段学习的半监督支持向量机(semi-supervised SVM)分类算法.首先使用基于图的标签传递算法给未标识样本赋予初始伪标识,并利用k近邻图将可能的噪声样本点识别出来并剔除;然后将去噪处理后的样本集视为已标识样本集输入到支持向量机(SVM)中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的分类准确率.实验结果证明,同其它半监督学习算法相比较,本文算法在标识的训练样本较少的情况下,分类性能有所提高且具有较高的可靠性.
- 陶新民曹盼东宋少宇付丹丹
- 关键词：VECTOR
