多SVM分类器融合的传感器故障容错研讨.pdf

V01．27 第27卷增刊 哈尔滨工程大学学报 Suppl． 2006年7月 JournalofHarbin Jul．2006 EngineeringUniversity 多SVM分类器融合的传感器故障容错研究 谢宗霞，于达仁，胡清华 (哈尔滨工业大学能源科学与工程学院，黑龙江哈尔滨，150001) 摘要：在工业、农业等实际应用领域中，传感器是获取信息的主要工具，而当某个传感器发生故障时，单个决策系统的 性能会急剧下降，甚至导致整个系统的瘫痪．为了提高决策系统的容错能力，将多分类器融合的方法应用到此领域．首先利 用粗糙集的方法进行特征选择，得到3组不同的约简．再利用模糊输出支持向量机方法，训练出3个分类器．测试样本通过 这3个分类器分别给出该样本属于各类的隶属度，再通过均值的融合方法，给出最后的分类决策．将该SV／d多分类器融合方 法应用于6组UCI标准数据集中，实验表明，传感器出现断路或短路故障时，单个分类器的分类精度急剧下降，但是通过 融合的方法，使得最后的分类精度与原始精度基本相当． 关键词：多分类器融合；支持向量机；容错；传感器故障 中图分类号：TP391．4文献标识码：A 文章编号：1006。7043(2006)增．0389．04 withmulti-classifiersof fusion onsensorfaulttolerance SVM Study XIE Da—ren，HU Zong—xia，YU Qing—hua Institute Scienceand (Harbin ofTechnology,SchoolofEnergy Engineering，Harbin150001，China) Abstract：Insome fieldsof and isthemaintoolfor information．Whensomesensoris applicationindustryagriculture，sensor getting ofa decisionwill down allthe will orderto the wrong，theperformancesingle systemget sharply,evensystemcollapse．Inimprove fault multi—classifiersfusionmethodisintroducedintothis differentreductionswere tolerance，the field．Firstly,3 gottenthrough sets．Thenwith SVM classifiersweretrained．The toeachclassof rough fuzzyoutput method，3 membership everytestingsample was theabove3classifiers．Withthe valuefusion finalclasswas the of6 gottenthrough average method，the given．Inexperiment UCIstandarddata showswhensomesensoris or ofthe c