文件名称：论文研究-基于选择性集成学习的高速列车故障识别研究.pdf
文件大小：1.09MB
文件格式：PDF
更新时间：2022-08-11 13:06:13
选择性集成学习,支持向量机,多分类器融合,区域分类精度,高速列车故障分类
在SVM分类识别中，分类器模型一经训练得到，对所有测试样本进行无差别的识别。针对高速列车故障中样本的分类识别是存在区域分类精度的情况，提出了一种基于选择性集成学习的SVM多分类器融合算法。该方法选取测试样本最邻近的k个训练样本；然后选择对其分类效果好的SVM分类器进行融合，以提高分类准确率；最后使用高速列车故障数据进行了实验，并与AdaBoost、KNN、Bayes、SVM分类方法进行了比较。实验结果表明，该算法提高了分类识别准确率。