论文部分内容阅读
针对正常类样本多、异常类样本缺乏问题,基于异常样本加入能提高分类能力及分类精度考虑,提出改进决策的带异常样本1-SVM算法,并用于机械设备异常状态检测。用两类样本同时训练1-SVM模型可改善1-SVM算法对异常样本的描述能力;通过调整决策边界提高1-SVM算法的分类精度。柴油机气阀机构故障检测实验结果表明,该算法对正常类及故障类样本的识别率均高于标准1-SVM算法及带异常样本的1-SVM算法。