%0 Journal Article
%T 稀疏性SVDD方法在故障检测中的应用研究
%A 王国柱
%A 刘建昌
%A 李元
%J 东北大学学报:自然科学版
%P 761-765
%D 2015
%R 10.3969/j.issn.1005-3026.2015.06.001
%X 在支持向量数据描述(SVDD)方法的基础上，通过研究原始正常数据分布在高维映射空间内的稀疏特性，选取前k个高维分布边缘的数据点进行SVDD建模，用于解决SVDD方法处理大样本数据的缺陷，以及建模与过程监视时间长的问题.经过理论推导和仿真分析，验证了稀疏性SVDD建模方法可以有效地提高建模以及过程检测速度；对于大样本数据可以利用筛选后的小样本进行建模，解决了SVDD方法不能很好地处理大样本数据分类的问题；同时，此方法不影响故障检测的精度.在TE过程中的应用验证了该方法的有效性.
%K 稀疏性
%K SVDD
%K 稀疏性SVDD
%K 故障检测
%U http://xuebao.neu.edu.cn/natural/CN/abstract/abstract6903.shtml