[发明专利]基于SVM的故障检测模型构建及评估方法有效
| 申请号： | 201710866517.2 | 申请日： | 2017-09-22 |
| 公开（公告）号： | CN107634857B | 公开（公告）日： | 2020-09-08 |
| 发明（设计）人： | 张佩云 | 申请（专利权）人： | 安徽师范大学 |
| 主分类号： | H04L12/24 | 分类号： | H04L12/24;G06K9/62 |
| 代理公司： | 芜湖安汇知识产权代理有限公司 34107 | 代理人： | 张巧婵 |
| 地址： | 241000 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明适用于云技术领域，提供了一种基于SVM的故障模型构建及评估方法，该方法包括如下步骤:选择径向基核函数RBF构造支持向量机SVM云故障预测模型；基于给定的云样本训练集对支持向量机SVM进行训练，所述训练过程具体如下：基于支持向量机SVM将云故障预测转化为具有约束条件的二次规划；基于二次规划的解构建决策函数，所述决策函数即为超平面；基于超平面对测试样本点进行故障评估。SVM模型相对于BP模型，LVQ模型而言，可以寻找到全局最优解，能避免维数灾难，同时收敛速度较快提高，此外，本发明实施例选择径向基核函数RBF构造支持向量机SVM云故障预测模型，因而在满足精确度的同时，可以降低模型构建的复杂度，提高故障分析效率。 | ||
| 搜索关键词： | 基于 svm 故障 检测 模型 构建 评估 方法 | ||
【主权项】：
一种基于SVM的故障模型构建及评估方法，其特征在于，所述方法包括如下步骤:S1、选择径向基核函数RBF构造支持向量机SVM云故障预测模型；S2、基于给定的云样本训练集对支持向量机SVM进行训练，所述训练过程具体如下：基于支持向量机SVM将云故障预测转化为具有约束条件的二次规划；基于二次规划的解构建决策函数，所述决策函数即为超平面；S3、基于超平面对测试样本点进行故障评估。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽师范大学，未经安徽师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710866517.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种路由器固件升级方法及系统
- 下一篇：特征库更新方法及控制器
