[发明专利]基于支撑向量机的故障分类模型的训练方法及装置在审
| 申请号： | 201910594560.7 | 申请日： | 2019-07-03 |
| 公开（公告）号： | CN110399906A | 公开（公告）日： | 2019-11-01 |
| 发明（设计）人： | 陈海波 | 申请（专利权）人： | 深兰科技（上海）有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京同达信恒知识产权代理有限公司 11291 | 代理人： | 郭润湘 |
| 地址： | 200336 上海市长宁区威*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于支撑向量机的故障分类模型的训练方法及装置。该方法采用预设分类原则，对获取的故障样本数据进行分类，得到测试样本数据和训练样本数据；基于预设多重宇宙优化算法和预设的第二数量的训练参数，对训练样本数据进行第一数量次迭代训练，得到第一数量的SVM故障分类模型，训练参数包括一组惩罚系数和核宽度；根据测试样本数据，对第一数量个SVM故障分类模型进行测试，获取第一数量个适应度，适应度是根据测试样本数据的测试值与相应真实值确定的；将第一数量个适应度中最小适应度对应的SVM故障分类模型确定为最优SVM故障分类模型。该方法通过结合多重宇宙优化算法与支撑向量机提高了故障诊断效率。 | ||
| 搜索关键词： | 故障分类 测试样本数据 支撑向量机 适应度 预设 训练样本数据 训练参数 优化算法 最小适应度 测试 宇宙 惩罚系数 迭代训练 分类原则 故障样本 故障诊断 模型确定 分类 申请 | ||
【主权项】：
1.一种基于支撑向量机的故障分类模型的训练方法，其特征在于，所述方法包括：采用预设分类原则，对获取的故障样本数据进行分类，得到测试样本数据和训练样本数据；基于预设多重宇宙优化算法和预设的第二数量的训练参数，对所述训练样本数据进行第一数量次迭代训练，得到第一数量的支撑向量机SVM故障分类模型，所述训练参数包括一组惩罚系数C和核宽度g；根据所述测试样本数据，对所述第一数量个SVM故障分类模型进行测试，获取第一数量个适应度，所述适应度是根据所述测试样本数据的测试值与相应真实值确定的；将所述第一数量个适应度中最小适应度对应的SVM故障分类模型确定为最优SVM故障分类模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深兰科技（上海）有限公司，未经深兰科技（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910594560.7/，转载请声明来源钻瓜专利网。
