基于支持向量機的水電故障分類器的設(shè)計與實現(xiàn)

【摘要】：水電故障紛繁復(fù)雜,傳統(tǒng)水電仿真系統(tǒng)中的推理機制已不能滿足實際需要,使用數(shù)據(jù)挖掘進行故障分類來代替原有的推理機制是對本領(lǐng)域新的嘗試。通過水電仿真系統(tǒng)的開發(fā),人們意識到傳統(tǒng)的故障仿真功能培訓(xùn)學(xué)員意義有限,而且人為的設(shè)計并用計算機程序?qū)崿F(xiàn)水電故障很難保證其準確性,這些缺陷催生新技術(shù)的應(yīng)用。應(yīng)用數(shù)據(jù)挖掘技術(shù)的支持向量機方法來進行水電故障分類研究對水電仿真系統(tǒng)的優(yōu)化以及實用性均具有重要的現(xiàn)實意義。 本文首先將水電故障表示為最易理解的自然語言形式,利用向量空間模型以及中文分詞技術(shù)并根據(jù)TF-IDF權(quán)值算法將故障描述為以詞為單位的加權(quán)向量形式。然后,針對水電故障的向量形式描述,本文采用支持向量機技術(shù)進行故障分類。本文還介紹了支持向量機的相關(guān)技術(shù)如核函數(shù)的選擇等,并詳細分析了針對多故障分類的支持向量機算法。 為了提高水電故障分類的準確性,本文引入了半監(jiān)督學(xué)習(xí)方法,半監(jiān)督學(xué)習(xí)能更好的利用大量的無標識樣本數(shù)據(jù),提高準確度的同時也兼顧效率。另外本文還提出了一種改進的直推式支持向量機學(xué)習(xí)算法CPTSVM,通過實驗表明該算法能提高半監(jiān)督學(xué)習(xí)準確率并減少算法的復(fù)雜度。 最后本文設(shè)計并實現(xiàn)了一個基于CPTSVM的水電故障分類器,該分類器的查準率和查全率等評價指標均達到應(yīng)用要求,可通過此分類器達到水電故障分類診斷的目的,而且可以預(yù)見其在通用型水電仿真系統(tǒng)中具有很好的應(yīng)用前景。 【關(guān)鍵詞】：水電仿真系統(tǒng) 數(shù)據(jù)挖掘 向量空間模型 半監(jiān)督學(xué)習(xí) 直推式支持向量機
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：TV738
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 水電仿真系統(tǒng)面臨的問題10-12
• 1.1.1 水電仿真系統(tǒng)開發(fā)現(xiàn)狀10-11
• 1.1.2 水電故障仿真的技術(shù)瓶頸11
• 1.1.3 傳統(tǒng)水電故障仿真的缺陷11-12
• 1.2 數(shù)據(jù)挖掘和機器學(xué)習(xí)12-14
• 1.2.1 以挖掘代替推理的現(xiàn)實意義12
• 1.2.2 文本挖掘的研究現(xiàn)狀12-13
• 1.2.3 支持向量機的發(fā)展13-14
• 1.2.4 故障文本的半監(jiān)督學(xué)習(xí)14
• 1.3 本文研究內(nèi)容與組織結(jié)構(gòu)14-16
• 第二章 水電故障文本分類16-28
• 2.1 文本分類概念16-17
• 2.2 文本表示17-18
• 2.2.1 文本特征17
• 2.2.2 向量空間模型17-18
• 2.3 文本特征提取18-21
• 2.3.1 特征選擇18-20
• 2.3.2 特征項的權(quán)重20-21
• 2.4 文本分類方法21-25
• 2.4.1 樸素貝葉斯分類22-23
• 2.4.2 KNN(K最近鄰居)算法23
• 2.4.3 支持向量機法23-24
• 2.4.4 決策樹法24-25
• 2.5 文本分類評價體系25-26
• 2.6 本章小結(jié)26-28
• 第三章 基于支持向量機的水電故障分類28-42
• 3.1 統(tǒng)計學(xué)習(xí)理論28-31
• 3.1.1 機器學(xué)習(xí)的基本問題28-29
• 3.1.2 VC維29-30
• 3.1.3 結(jié)構(gòu)風(fēng)險最小化原則30-31
• 3.1.4 學(xué)習(xí)過程一致性理論31
• 3.2 支持向量機31-37
• 3.2.1 最優(yōu)超平面32-33
• 3.2.2 線性分類33-35
• 3.2.3 非線性分類35-36
• 3.2.4 核函數(shù)及其選擇36-37
• 3.3 支持向量機分類算法37-38
• 3.4 支持向量機的多分類問題38-40
• 3.5 多分類支持向量機用于水電故障分類40
• 3.6 本章小結(jié)40-42
• 第四章 水電故障分類中的半監(jiān)督學(xué)習(xí)42-50
• 4.1 半監(jiān)督學(xué)習(xí)概述42
• 4.2 半監(jiān)督算法42-45
• 4.2.1 EM算法42-43
• 4.2.2 Co-Training43-44
• 4.2.3 直推式支持向量機44-45
• 4.3 半監(jiān)督支持向量機45-46
• 4.4 改進的漸進直推式支持向量機算法46-48
• 4.5 本章小結(jié)48-50
• 第五章 水電故障分類器的設(shè)計與實現(xiàn)50-60
• 5.1 設(shè)計思想50
• 5.2 總體結(jié)構(gòu)設(shè)計50-51
• 5.3 系統(tǒng)實現(xiàn)51-54
• 5.3.1 實現(xiàn)環(huán)境51-52
• 5.3.2 故障文本數(shù)據(jù)52
• 5.3.3 中文分詞與特征選擇52-54
• 5.3.4 算法實現(xiàn)54
• 5.4 故障分類及性能測試54-59
• 5.4.1 故障分類結(jié)果及評價54-55
• 5.4.2 改進的直推式支持向量機算法性能測試55-58
• 5.4.3 水電故障分類器的實現(xiàn)58-59
• 5.5 本章小結(jié)59-60
• 第六章 總結(jié)與展望60-62
• 6.1 工作總結(jié)60
• 6.2 下一步工作展望60-62
• 參考文獻62-66
• 致謝66-68
• 攻讀碩士期間發(fā)表的論文68

您可以在本站搜索以下學(xué)術(shù)論文文獻來了解更多相關(guān)內(nèi)容

基于領(lǐng)域知識的文本分類    朱靖波,陳文亮

一種基于支持向量機的直推式學(xué)習(xí)算法    趙英剛;陳奇;何欽銘;

基于直推式支持向量機的圖像分類算法    沈新宇;許宏麗;官騰飛;

基于NFI直推式學(xué)習(xí)算法的故障診斷方法    張博;陸阿坤;

基于VSM的中文文本分類系統(tǒng)的設(shè)計與實現(xiàn)    張東禮,汪東升,鄭緯民

基于支持向量機的漸進直推式分類學(xué)習(xí)算法    陳毅松,汪國平,董士海

四川水電仿真系統(tǒng)研制    楊飛,梁柱,朱國俊,毛科

一種快速的漸進直推式支持向量機分類學(xué)習(xí)算法    廖東平;姜斌;魏璽章;黎湘;莊釗文;

集成學(xué)習(xí)技術(shù)在農(nóng)業(yè)中的應(yīng)用    時雷;虎曉紅;席磊;段其國;

基于支持向量機的農(nóng)業(yè)數(shù)據(jù)分類研究    時雷;席磊;虎曉紅;段其國;

基于Naive Bayes算法的大豆病害診斷研究    時雷;虎曉紅;席磊;

帶專業(yè)詞庫的特征選擇    劉曉志;黃厚寬;尚文倩;

一個基于TSVM的GIF圖像通用隱寫檢測方法    鐘尚平;林靜;

論遺傳算法在旅行商問題中的應(yīng)用    崔敏;

基于特征分布的半監(jiān)督分類    文翰;肖南峰;

基于K-最近距離的自動文本分類的研究    孫健,王偉,鐘義信

基于加權(quán)支持向量機的金融時間序列預(yù)測    吳江;李太勇;

基于網(wǎng)絡(luò)教學(xué)的高校教學(xué)專家系統(tǒng)研究    曹延飛;吳巍;

基于集成算法的半監(jiān)督學(xué)習(xí)    趙玲玲;周水生;王雪巖;

一種電子郵件敏感信息檢測算法    劉子豪;莊毅;

增量學(xué)習(xí)的TFIDF_NB協(xié)同訓(xùn)練分類算法    劉欣;章勇;王娟;

最小二乘支持向量機回歸預(yù)測模型研究與實現(xiàn)    徐達;武新星;胡俊彪;郭磊;李華;

分詞結(jié)果的再搭配對文本分類效果的增強    侯松;周斌;賈焰;

基于中心詞位置的VSM文本分類算法    李衛(wèi)東;楊炳儒;李龍星;曲文龍;

一種基于Agent的中文Web信息自動檢索系統(tǒng)(英文)    朱艷輝;王平;周詠梅;

基于支持向量機的創(chuàng)新分類器    劉希玉;徐志敏;段會川;

輿情分析中語料庫降維    梁飛;呂洪波;姚錦峰;

多分類器融合的文本分類技術(shù)研究    陳慶軒;鄭德權(quán);趙鐵軍;

半監(jiān)督支持向量機學(xué)習(xí)算法研究    趙瑩

計算機輔助卷煙配方設(shè)計關(guān)鍵技術(shù)研究    楊寧

基于半監(jiān)督學(xué)習(xí)的遙感影像分類技術(shù)研究    任廣波

基于圖和復(fù)雜網(wǎng)絡(luò)理論的蛋白質(zhì)相互作用數(shù)據(jù)分析與應(yīng)用研究    尤著宏

圖像檢索中自動標注技術(shù)的研究    趙玉鳳

文檔碎片取證關(guān)鍵技術(shù)研究    李炳龍

文本挖掘技術(shù)研究及其在綜合風(fēng)險信息網(wǎng)絡(luò)中的應(yīng)用    張翔

主題模型及其在中醫(yī)臨床診療中的應(yīng)用研究    張小平

不完整數(shù)據(jù)分類知識發(fā)現(xiàn)算法研究    祁瑞華

遷移學(xué)習(xí)在文本分類中的應(yīng)用研究    孟佳娜

Deep Web數(shù)據(jù)庫的選擇研究    樊敬川

地理案例的空間相似性計算    王麗敬

中文文本分類技術(shù)研究    呂萬里

基于SVM的中文垃圾郵件過濾    于洪霞

基于DSP轉(zhuǎn)臺伺服控制系統(tǒng)的設(shè)計    吳天柱

基于詞片網(wǎng)格的語音文檔主題分類    陳晶

基于非負稀疏表示的文本分類算法研究    桑媛媛

基于圖的適應(yīng)性相似度估算的半監(jiān)督學(xué)習(xí)    蔣延生

基于半監(jiān)督學(xué)習(xí)的社團劃分算法研究    孔健

基于支持向量機的改進的密度聚類算法研究    汪政

文本內(nèi)容主題的識別方法    朱靖波,姚天順

基于向量空間模型的文本自動分類系統(tǒng)的研究與實現(xiàn)    龐劍鋒,卜東波,白碩

基于模糊神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機故障診斷研究    蔡開龍,楊秉政,謝壽生

自適應(yīng)模糊邏輯系統(tǒng)在飛機航程計算中的應(yīng)用    蔡開龍,傅敏,謝壽生

用最陡下降法修正RBF隱層參數(shù)    李波,王成友,蔡宣平,唐朝京,張爾揚

文檔中詞語權(quán)重計算方法的改進    魯松,李曉黎,白碩,王實

網(wǎng)絡(luò)文本數(shù)據(jù)分類技術(shù)與實現(xiàn)算法    李勇,桑艷艷

基于支持向量機的漸進直推式分類學(xué)習(xí)算法    陳毅松,汪國平,董士海

輪式車與履帶車目標的識別    冀振元,孟憲德

基于FSVM的雷達多目標識別    鄭春紅,鄭貴文,焦李成

一種改進的半監(jiān)督增量SVM學(xué)習(xí)算法    呂宏偉;

最小二乘支持向量機的半監(jiān)督學(xué)習(xí)算法    張健沛;趙瑩;楊靜;

支持向量機與最小二乘法的關(guān)系研究    閻輝,張學(xué)工,李衍達

基于誤差修正碼的支持向量機大類別分類方法    吳成東,杜崇峰,楊麗英

基于決策樹型SVM的交通標志圖像識別    朱金好,羅曉萍

經(jīng)驗?zāi)Ｊ椒纸饽：卣魈崛〉闹С窒蛄繖C混合診斷模型    胡橋,何正嘉,張周鎖,訾艷陽

基于支持向量機的坦克識別算法    楊凌,劉玉樹

基于模糊K近鄰決策的柔性SVM分類算法    胡正平

基于支持向量機的增量學(xué)習(xí)算法研究    李忠偉,張健沛,楊靜

樹形結(jié)構(gòu)SVMs多類分類的研究    王春歆;李連;張玉葉;

支持向量機在電力客戶信用評級中的應(yīng)用    林杰華;張斌;李冬森;宋華茂;余志強;王浩;

多變量系統(tǒng)預(yù)測的支持向量機方法研究    蔣鐵軍;張懷強;李積源;

基于小波支持向量機預(yù)測蛋白質(zhì)亞細胞定位研究    黃淑云;孫興玉;梁汝萍;邱建丁;

支持向量機在語音識別中的應(yīng)用研究    謝湘;匡鏡明;

基于支持向量機的鵝肉肉色客觀評定研究    涂冬成;薛龍;劉木華;趙進輝;沈杰;吁芳;

基于支持向量機的坦克識別算法    楊凌;劉玉樹;

基于支持向量機方法的深基坑變形預(yù)測    師旭超;巴松濤;

支持向量機方法在地下水位干擾排除中的初步應(yīng)用    張軍;

基于改進的支持向量機和BP神經(jīng)網(wǎng)絡(luò)的識別算法    許建生;盛立東;

基于支持向量機的非線性系統(tǒng)辨識方法    榮海娜;張葛祥;張翠芳;

內(nèi)幕交易與市場操縱的行為動機與判別監(jiān)管研究    課題主持人 李心丹　課題協(xié)調(diào)人 上海證券交易所 施東暉 傅浩 課題研究員 宋素榮 查曉磊 賓紅輝 張許宏 郭靜靜 黃雋 南京大學(xué)工程管理學(xué)院

計算機詳解配伍與藥效關(guān)系    李水根

非接觸式人臉識別技術(shù)    清華大學(xué) 蘇光大

我市九項目進入省“盤子”    YMG記者 李仁　通訊員 曲華明 孫運智

酷愛化學(xué) 孜孜以求    上海大學(xué)理學(xué)院教授、副院長 陸文聰

選擇合適的數(shù)據(jù)挖掘算法    

王米渠與中醫(yī)心理學(xué)    周穎

大慶物探深度域地震資料巖性解釋技術(shù)獲得五大突破    記者 張云普通訊員 全攀峰 安強強

蛋白質(zhì)功能算出來    記者 耿挺

敢與“雷公”試比高    本報記者 馮治恩

半監(jiān)督支持向量機學(xué)習(xí)算法研究    趙瑩

原始空間中支持向量機若干問題的研究    劉葉青

支持向量機及半監(jiān)督學(xué)習(xí)中若干問題的研究    薛貞霞

支持向量機學(xué)習(xí)算法若干問題的研究    常甜甜

支持向量機的若干算法研究    胡運紅

非可信環(huán)境下的支持向量機研究    周喜川

基于CPFR的農(nóng)產(chǎn)品采購模型研究    杜小芳

動態(tài)過程數(shù)據(jù)的多變量統(tǒng)計監(jiān)控方法研究    劉育明

支持向量機（SVM）和徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）方法在化學(xué)、環(huán)境化學(xué)和藥物化學(xué)中的應(yīng)用研究    欒鋒

市場條件下抽水蓄能電站效益綜合評價及運營模式研究    孫薇

基于支持向量機的水電故障分類器的設(shè)計與實現(xiàn)    韓敘東

支持向量機方法在感潮河段洪峰水位預(yù)報中的應(yīng)用    劉艷偉

支持向量機算法設(shè)計及在高分辨雷達目標識別中的應(yīng)用    楊鐳

基于支持向量機的電解液成分預(yù)測    童振

模糊粗糙集與支持向量機在煤與瓦斯突出預(yù)測中的應(yīng)用研究    聶小芳

基于支持向量機的高爐向涼向熱爐況預(yù)測研究    鄢常亮

慢時變對象的支持向量機建模與在線校正方法研究    馮杰

支持向量機在沖擊地壓預(yù)測模型中的應(yīng)用研究    朱耿峰

基于廣泛內(nèi)核的CVM算法研究及參數(shù)C的選擇    王奇安

基于支持向量機和遺傳算法相結(jié)合的模擬電路故障診斷方法研究    張永新