《複雜系統支持向量機建模與故障預報》是2015年國防工業出版社出版的圖書，作者是蔡艷寧、汪洪橋、葉雪梅。
基本介紹
- 中文名：複雜系統支持向量機建模與故障預報
- 作者：蔡艷寧、葉雪梅、 汪洪橋
- 出版時間：2015年4月
- 出版社：國防工業出版社
- 頁數：133 頁
- ISBN：9787118100310
- 定價：58 元
- 開本：32 開
- 裝幀：平裝
內容簡介,目錄,
內容簡介
支持向量機是解決系統建模和數據驅動模式分析問題的一種有效工具，是當前複雜系統故障預測及可靠性評估領域的研究熱點，並在機器學習、模式識別、回歸分析等方向得到了廣泛套用。
本書在介紹國內外故障預報方法的基礎上，重點闡述了基於支持向量機的複雜系統建模和故障預報方法；深入研究了基於無標定樣本的單類支持向量機故障預報模型；提出了一種自適應動態無偏最小二乘支持向量機故障預報模型；針對多輸入多輸出樣本，提出了基於ε不敏感損失函式的多輸出支持向量回歸機模型和多輸出最小二乘支持向量機模型，並將其用於預測多輸入多輸出系統的故障；為衡量系統的異常程度，提出了基於支持向量機機率密度估計模型的系統異常程度衡量方法；在此基礎上闡述了數據驅動的複雜系統故障預報方法的最新進展。本書可供從事支持向量機相關專業科研的工程技術人員學習參考，也可作為複雜系統建模、故障診斷與預測等相關專業研究生的教材。
目錄
第1章緒論
1.1引言
1.2故障預報方法的研究現狀
1.2.1模型驅動方法
1.2.2數據驅動方法
1.2.3定性知識驅動方法
1.3基於支持向量機的故障預報方法的研究現狀
1.3.1故障預報問題的特點
1.3.2統計學習理論
1.3.3支持向量機
1.3.4研究現狀
1.4本書的內容
第2章基於支持向量預選取的one-class SVM
故障預報模型2.1引言
2.2問題描述
2.3one-class SVM模型
2.3.1超平面
2.3.2超球體
2.4支持向量預選取
2.4.1超平面的支持向量預選取
2.4.2超球體的支持向量預選取
2.4.3確定選取樣本的個數
2.4.4算法複雜度分析
2.5故障預報算法步驟
2.6仿真實例和結果分析
2.6.1同心圓環樣本支持向量預選取
2.6.2電機數據故障預報
2.7本章小結
第3章自適應動態無偏LSSVM故障預報模型
3.1引言
3.2最小二乘支持向量機及線上算法
3.3動態無偏最小二乘支持向量機
3.3.1初始預測模型
3.3.2增加樣本
3.3.3消減樣本
3.4自適應動態無偏最小二乘支持向量機
3.4.1滑動時間窗長度的自適應選取
3.4.2算法複雜度分析
3.5仿真實例和結果分析
3.5.1混沌時間序列預測
3.5.2非線性系統線上預測跟蹤
3.5.3二容水箱故障預報
3.6本章小結
第4章多輸出支持向量回歸機故障預報模型
4.1引言
4.2問題描述
4.3支持向量回歸機
4.4多輸出支持向量回歸機
4.4.1線性模型
4.4.2偏置求取算法
4.4.3非線性模型
4.5多輸出最小二乘支持向量機
4.5.1模型設計
4.5.2算法性質分析
4.6仿真實例和結果分析
4.6.1時間序列多步預測
4.6.2多輸入多輸出系統故障預報
4.7本章小結
第5章支持向量機機率密度估計故障預報模型
5.1引言
5.2支持向量機機率密度估計
5.3算法改進
5.3.1單鬆弛因子支持向量機機率密度
估計模型
5.3.2單鬆弛因子多核支持向量機機率
估計模型
5.3.2單鬆弛因子多核支持向量機機率
密度估計模型
5.3.3非耦合數據合成機率密度估計
5.3.4算法複雜度分析
5.3.5仿真實例和結果分析
5.4基於支持向量機機率密度估計的故障預報
5.4.1問題描述
5.4.2異常程度的衡量
5.4.3仿真實例和結果分析
5.5本章小結
第6章基於支持向量機的慣性器件故障預報
6.1引言
6.2基於單維漂移數據的慣性器件故障預報
6.2.1基於支持向量預選取one-class SVM的
故障預報
6.2.2基於自適應動態無偏LSSVM的故障預報
6.2.3基於多輸出支持向量回歸機的故障預報
6.3某慣性平台系統故障預報
6.3.1平台系統漂移係數的求取
6.3.2基於超球體模型的故障預報
6.4本章小結
第7章複雜系統故障預報新技術展望
7.1全流程故障預報技術
7.2多元時序驅動的故障預測和多核機器建模與
學習相融合
7.3多元數據驅動故障預報方法的最新進展
7.3.1故障預測與可靠性評估方法的最新進展
7.3.2數據驅動的基於核機器學習的故障預測與
可靠性評估方法最新進展
7.4多元數據驅動的複雜系統全流程故障預報
方案設計
參考文獻
內容簡介
