基于核方法的故障诊断理论及其方法的研究

本书特色

本书共分9章，主要内容是基于核的机器学习，第3、4、5章为非监督学习的单值支持向量机（svm）内容；第2章及第6、7章为监督学习的基于*小风险的svm系统部件故障诊断，基于svr模型预测以解决整体系统故障诊断；第8章核矩阵的逼近可以作为一种样本预处理技术，应用于基于核的机器学习算法。附录包括相关算法验证的实验平台及其开发的程序。
本书可作为自动化、信息、测控、机电一体化等学科的研究生教材，并可供相关专业技术人员参考使用。

内容简介

本书的主要内容是基于核的机器学习的理论和方法研究及其应用，正文中所提出的和改进的学习算法属于基于核的机器学习范畴，且分别属于监督学习和非监督学习。其中第3、4、5章为非监督学习的单值的支持向量机（svr）内容；第2章及第6、7章为监督学习的基于*小风险的svm系统部件故障诊断，基于svr模型预测以解决整体系统故障诊断；第8章核矩阵的逼近可以作为一种样本预处理技术，应用于基于核的机器学习算法。本书对主要的方法均给出了理论证明，关键的算法配套有开发的程序（见附录）。
本书可供自动化、信息、测控、机电一体化等学科的研究生选用或参考，并可作为相关专业技术人员的参考书。

节选

相关资料

插图：包括模式识别、人工神经网络等在内，现有机器学习方法共同的重要理论基础之一是统计学，传统统计学所研究的主要是渐进理论，即当样本数趋向于无穷大时的统计性质。但在故障诊断领域，特征知识的获取具有一定的约束，样本的数目往往是有限的，甚至是小样本的，故障与征兆之间常常呈现出本质非线性。因此，我们希望寻求一种学习方法，能够在有限的样本数据下尽可能地发现其中蕴含的知识。强调学习方法具有较强的推广能力，即对符合某规律，但没有学习过的样本也能给出合理的结论，这正是学习机器体现其智能性的*为重要的一个方面。虽然直到目前，人工神经网络仍是解决非线性问题的一个有力的工具，但它是一种经验非线性方法，这种方法利用已知样本建立非线性模型，但当样本数有限时，即使训练效果良好的一个算法结构也可能表现出很差的推广能力，即产生了所谓的“过学习”。Vapnik等人从20世纪60年代开始就致力于统计学习理论的研究，到20世纪90年代中期，随着其理论的不断发展和成熟，也由于人工神经网络等学习方法在理论上缺乏实质性进展，统计学习理论开始受到越来越广泛的重视。与传统统计学相比，SLT是一种专门研究小样本情况下机器学习规律的理论。该理论针对小样本统计问题建立了一套新的理论体系，在这种体系下的统计推理规则，不仅考虑了对渐近性能的要求，而且追求在现有有限信息的条件下得到*优结果。以支持向量机（SVM）为代表的核算法（机器）¨¨驯是近10年来机器学习领域*有影响力的成果之一，它是基于统计学习理论和核技术建立的。SVM包含4大技术：①大间隔思想或正则化技术，依据结构风险*小化原则，以获得较好的推广能力；②核技术，利用满足Mercer条件的核函数实现线性算法的非线性化；③凸优化技术，算法*终将转化成为标准的*优化问题或凸二次规划，从理论上说，得到的将是全局*优点；④稀疏对偶表示，结果得到可用于训练点和测试点求解的高效算法。这4大技术中*先得到研究人员青睐的是核技术，这是一种非常有效的设计非线性算法的数学手段。随后，很多研究人员利用核技术改造经典的线性算法，得到相应的基于核函数的非线性形式，简称为核算法或核机器。

作者简介

杜京义，男，1965年12月出生，1987年于西安理工大学毕业获得工学学士学位，l999年于西安理工大学硕士毕业获得工学硕士学位，2007年于西安科技大学毕业获得安全技术与工程博士学位，现为西安科技大学教授，电控学院自动化系主任及国家特色专业——自动化专业带头人，同时兼任陕西省自动化学会副秘书长。主要研究方向为信号处理、智能控制安全技术与工程。发表学术论文40余篇，其中EI收录20余篇，出版专著及教材3部。主持完成多项科研项目，获省厅级科技进步奖3项。侯媛彬：女，1953年11月出生，1977年于西安交通大学本科毕业，1987年于西安科技大学硕士毕业获得工学硕士学位，1997年于西安交通大学博士毕业获得系统工程博士学位.现为西安科技大学教授、博士生导师，电控学院学科主任，兼任陕西省自动化学会教育委员会主任。主要研究方向为智能控制，安全技术与工程。发表学术论文100余篇，其中El收录40余篇，出版专著及教材11部。主持完成省厅级科研项目9项，获省厅级科技进步奖6项。