流形学习和半监督SVM新算法用于复杂工业过程故障诊断的研究

项目名称： 流形学习和半监督SVM新算法用于复杂工业过程故障诊断的研究

项目编号： No.61050006

项目类型： 专项基金项目

立项/批准年度： 2011

项目学科： 环境科学、安全科学

项目作者： 王安娜

作者单位： 东北大学

项目金额： 20万元

中文摘要： 对复杂工业过程故障进行智能诊断对于保证生产过程安全可靠地运行、保障人员生命和健康、给国家减少重大损失、保护环境、实现基于预测的维修、提高企业的经济效益和竞争能力有着非常重要的意义，是国民经济和社会发展中迫切需要解决的关键问题。研究新的流形学习和半监督支持向量机算法，将其应用于复杂工业过程故障在线智能诊断，必将极大提高故障诊断系统的性能。同时，流形学习和半监督支持向量机新算法的研究具有重要的学术价值。在复杂工业过程故障诊断中，故障样本集处理和降维、特征向量提取和优化、准确高效的故障识别是至关重要的问题，本项目将针对复杂工业过程故障的特点，以两个典型的复杂工业过程为背景，研究基于流形学习的故障数据处理及降维、特征向量提取及优化新算法；研究半监督支持向量机新算法、不平衡数据半监督学习新算法、支持向量缩减新算法；新算法将具有较高的诊断精度和较快的诊断速度。

中文关键词： 流形学习；半监督SVM；非平衡数据；支持向量动态约简；SVM改进

英文摘要：

英文关键词： Manifold learning；Semi-supervised SVM；Imbalanced data；SV reduction；SVM Improvement