多SVM分类器融合的传感器故障容错研究

摘要：

在工业、农业等实际应用领域中,传感器是获取信息的主要工具,而当某个传感器发生故障时,单个决策系统的性能会急剧下降,甚至导致整个系统的瘫痪.为了提高决策系统的容错能力,将多分类器融合的方法应用到此领域.首先利用粗糙集的方法进行特征选择,得到3组不同的约简.再利用模糊输出支持向量机方法,训练出3个分类器.测试样本通过这3个分类器分别给出该样本属于各类的隶属度,再通过均值的融合方法,给出最后的分类决策.将该SVM多分类器融合方法应用于6组UCI标准数据集中,实验表明,传感器出现断路或短路故障时,单个分类器的分类精度急剧下降,但是通过融合的方法,使得最后的分类精度与原始精度基本相当。

关键词： 多分类器融合 支持向量机 故障容错 传感器故障

作者: 谢宗霞 于达仁 胡清华

作者单位: 哈尔滨工业大学,能源科学与工程学院,黑龙江,哈尔滨,150001

会议类型: 国内会议

会议名称: 第十六届中国神经网络大会(CNNC2006)暨首届中国人工免疫系统专题会议(CAISC06)

会议地点: 哈尔滨

会议语种:中文

页码: 389-392

在线出版日期: 2006-08-05（万方平台首次上网日期，不代表论文的发表时间）