高维空间可分性指标在转子诊断系统优化中的应用

摘要

二叉树相关向量机系统中正负类样本的选取往往通过方差进行可分性度量.常用的高斯核函数是在高维空间中完成分类,由于高维空间中数据点存在度量集中现象,欧氏距离往往并不能较好地度量样本点的可分性.分数范数计算出的高维空间距离差异性更大,故构造了一种基于分数范数的样本点距离度量指标.基于该指标优化各层分类器样本选取,通过实验1验证了基于高维可分性指标优化后的系统相较于欧氏距离优化后的系统在分类精度上有了较为显著的提高;实验2表明优化后的系统与智能诊断算法相比,在分类精度和耗时方面也具有优势.