基于同步优化的代价敏感支持向量机优良类操作模式识别

唐明珠; 阳春华

doi:10.3969/j.issn.0438-1157.2013.12.036

您当前的位置：

首页 >

文章列表页 >

基于同步优化的代价敏感支持向量机优良类操作模式识别

过程系统工程 | 更新时间：2025-12-10

- 基于同步优化的代价敏感支持向量机优良类操作模式识别
- Excellent operational pattern recognition based on simultaneously optimizing cost-sensitive support vector machine
- 化工学报 2013年第12期页码：4509-4514
- 作者机构：
  
  1. 长沙理工大学能源与动力工程学院,湖南,长沙,410007
  2. 桥梁工程湖南省高校重点实验室(长沙理工大学),湖南,长沙,410007
  3. 中南大学信息科学与工程学院,湖南,长沙,410083
- 作者简介：
- 基金信息：
  
  国家杰出青年科学基金项目(61025015);湖南省教育厅重点项目(12A007);桥梁工程湖南省高校重点实验室重点项目;长沙理工大学人才引进基金项目。
- DOI：10.3969/j.issn.0438-1157.2013.12.036
  中图分类号： P18
- 网络首发：2013-12-05，
  
  纸质出版：2013-12-05
- 稿件说明：
移动端阅览
唐明珠, 阳春华. 基于同步优化的代价敏感支持向量机优良类操作模式识别[J]. 化工学报, 2013,(12):4509-4514.

TANG Mingzhu, YANG Chunhua. Excellent operational pattern recognition based on simultaneously optimizing cost-sensitive support vector machine[J]. CIESC Journal, 2013, (12): 4509-4514.
唐明珠, 阳春华. 基于同步优化的代价敏感支持向量机优良类操作模式识别[J]. 化工学报, 2013,(12):4509-4514. DOI： 10.3969/j.issn.0438-1157.2013.12.036.

TANG Mingzhu, YANG Chunhua. Excellent operational pattern recognition based on simultaneously optimizing cost-sensitive support vector machine[J]. CIESC Journal, 2013, (12): 4509-4514. DOI： 10.3969/j.issn.0438-1157.2013.12.036.

摘要

针对氧化铝蒸发过程操作模式集中类别不平衡和噪声特征问题，提出基于同步优化的代价敏感支持向量机操作模式识别方法。对氧化铝蒸发过程机理进行分析，该过程的输入条件、操作参数和状态参数被选为原始操作模式，利用离散的粒子群算法优化操作模式的特征集，选择最优特征子集作为最终的操作模式；同时利用连续的粒子群算法优化代价敏感支持向量机的核参数和误分类代价参数，自动搜索和确定最优的核参数和误分类代价参数。工业应用结果表明，与粒子群优化操作模式特征子集或粒子群优化核参数和误分类代价参数相比，所提出的方法优良类操作模式识别高，误分类代价低。

Abstract

Aiming at class-imbalanced operational pattern recognition and noise features for alumina evaporation process (AEP)

a simultaneously optimizing cost-sensitive support vector machine (CSVM) is proposed in this paper.Studying the mechanism of AEP

input conditions

operating parameters and state parameters are selected as original operational pattern.The feature set of original operational pattern are optimized by the binary particle swarm optimization and the optimal feature subset is selected as the operational pattern.Meanwhile

the sigma of Gaussian kernel and misclassification cost parameters for CSVM are optimized by the linear weight diminishing particle swarm optimization.The proposed method is applied on the operational pattern optimization of AEP.Experimental results illustrate that the proposed method increases excellent operational pattern recognition rates and reduces misclassification costs.

关键词

Keywords

references

浏览量

398

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

印刷电路板式天然气冷却器性能仿真模型和验证

基于Adaboost-PSO-SVM的铝电解槽健康状态诊断方法研究

基于主成分分析与支持向量机的热泵系统制冷剂泄漏识别研究

融合灰狼优化算法在工控系统入侵检测中的应用

用于催化裂化装置产率预测的Filter-Wrapper特征变量选择方法