基于改进的QBC和CS-SVM的故障检测  

Fault detection based on modified QBC and CS-SVM

作　　者：唐明珠[1] 阳春华[1] 桂卫华[1] 

机构地区：[1]中南大学信息科学与工程学院,长沙410083

出　　处：《控制与决策》2012年第10期1489-1493,共5页Control and Decision

基　　金：国家杰出青年科学基金项目(61025015);国家自然科学基金项目(60874069);国家863计划项目(2009AA04Z137);中南大学优秀博士学位论文扶植项目(2010年)

摘　　要：针对复杂工业过程样本集中的类不平衡、样本标注代价昂贵和样本孤点的问题,研究基于委员会投票选择(MQBC)和代价敏感支持向量机(CS-SVM)的故障检测方法.给出未标注样本信息度的定义,提出改进的委员会投票选择算法.主动代价敏感学习通过MQBC选择信息度高的未标注样本对其标注并添加到训练集.CS-SVM将不同类样本的误分类赋予不同的误分类代价,从而提高CS-SVM的故障检测率.最后,以铜闪速熔炼过程为例,实验结果验证了所提出方法的有效性.Fault detection based on modified query by committee（MQBC） and cost-sensitive support vector machine（CS- SVM） is proposed to solve three difficulties of fault detection, including class-imbalanced dataset, expensive labeled cost and outlier of sample set. The definition of information is given and the MQBC is proposed. The score of unlabeled sample is evaluated by using information, and the high score of unlabeled sample is selected to be labeled and added to the training set. Different misclassification types of samples are given to different misclassification cost in CS-SVM, so that the fault detection rate is increased. Finally, fault detection for copper flash smelting process is studied to illustrate the effectiveness of the proposed approach.

关 键 词：主动学习 代价敏感支持向量机 委员会投票选择算法 故障检测 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]