文献

J-GLOBAL ID：201702286523738597   整理番号：17A1754307

アクティブ学習と重み付きサポートベクトルマシンに基づく工業的故障認識【JST・京大機械翻訳】

Fault classification based on modified active learning and weighted SVM

著者 (4件)： Zhu Dongyang (浙江大学 控制科学与工程学院,浙江 杭州,310027) ,  Chen Jingyi (浙江大学 控制科学与工程学院,浙江 杭州,310027) ,  Huang Weiping (浙江大学 控制科学与工程学院,浙江 杭州,310027) ,  Liang Jun (浙江大学 控制科学与工程学院,浙江 杭州,310027)
資料名： Zhejiang Daxue Xuebao. Gongxue Ban  (Zhejiang Daxue Xuebao. Gongxue Ban)
巻： 51  号： 4  ページ： 697-705  発行年： 2017年 
JST資料番号： W1536A  ISSN： 1008-973X  CODEN： ZDXGFS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： プロセス工業プロセスにおけるラベルの故障サンプルが少なく、サンプルラベルのコストが高く、サンプルセットがクラスの不平衡とサンプルの孤立点問題が存在するため、最適な準最適ラベル(BvSB)と加重サポートベクトルマシン(WSVM)に基づく工業故障分類方法を研究した。サンプルの情報度と代表性及びサンプル中に存在する可能性のある孤立点を総合的に考慮することにより、改良したアクティブ学習アルゴリズムを提案し、それらが現在分類器モデルの最も価値のあるサンプルをマイニングするのに用いた。サポートベクトルマシン訓練の学習において、異なるサンプルに対して異なる重み係数を採用し、異なるクラスに対して異なるペナルティ因子を付与し、サンプル分布の不平衡時におけるアクティブ学習と分類精度への影響を減少させ、サンプル点の特徴空間の分布状況を十分に考慮し、新しいペナルティ係数選択方法を提案した。TEプロセスを例として、実験結果により、提案した方法は高い故障分類精度を得ることができる場合に、タグの負担を減らすことができることが証明された。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *サポートベクトルマシン ,  ペナルティ ,  *故障 ,  学習アルゴリズム ,  プロセス工業
準シソーラス用語： 選択法 ,  特徴空間 ,  分類精度 ,  重み係数 ,  故障分類 ,  加重 ,  *能動学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： active learning ,  weighted support vector machine (WSVM) ,  penalty coefficient ,  fault classification

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： アクティブ学習 ,  サポートベクトルマシン ,  工業 ,  故障