论文部分内容阅读
层次支持向量机(H-SVM)比通常的“一对多”(1-V-R)和“一对一”(1-V-1)等多分类支持向量算法具有更快的训练速度和分类速度。提出一种基于H-SVM的航空发动机气路部件故障诊断方法,根据特征空间中各类故障样本中心之间的距离来逐层划分子类,距离较近的故障样本归为同一个子类进行训练,得到的H-SVM层次结构合理,各层的SVM分类间隔大、泛化能力强;同时,用V-SVM代替通常的C-SVM作为两类分类器,分类器参数意义明确、变化范围小,更容易确定。仿真实验表明,基于H-SVM的故障分类器具有良好的分类准