91av视频/亚洲h视频/操亚洲美女/外国一级黄色毛片 - 国产三级三级三级三级

資源簡介

支持向量數據描述（Support Vector Data Description，SVDD）是一種單值分類算法，能夠實現目標樣本和非目標樣本的區分。故障檢測（異常檢測）實質上是一種單值分類問題，將正常樣本和異常樣本區分開來。基于 SVDD 的故障檢測（異常檢測）流程一般為： 1. 獲取正常樣本數據集。 2. 訓練 SVDD 超球體，獲取超球體的相關參數（閾值、支持向量等等）。 3. 計算測試樣本到超球體的球心距，通過比較球心距和閾值來判斷該測試樣本是否為異常樣本。 代碼主要包括： 1. 應用例子（包含了數據）(demo.m) 2. SVDD的訓練函數，獲取支持向量和超球體半徑（svdd_train.m） 3. SVDD的測試函數，獲取測試樣本的球心距（svdd_test.m） 4. SMO算法用于快速解決SVDD的Lagrange對偶問題 (svdd_smo.m)

資源截圖

代碼片段和文件信息 

%?DEscriptION
%?Fault?detection?based?on?Support?Vector?Data?Description
%
%
%?---------------------------------------------------------------------%

clc
close?all
%?clearvars
addpath（genpath（pwd））

%?Load??data?（X:?training?data??Y:?testing?data）
load?（‘.\data\X.mat‘）
load?（‘.\data\Y.mat‘）

%?Normalization?（in?general?this?step?is?important?for?fault?detection）
[X_sY_s]?=?normalize（XY）;

%?Set?parameters?
C?=?0.5;???%?trade-off?parameter
s?=?9;?????%?kernel?width
ker?=?struct（‘type‘‘gauss‘‘width‘s）;

%?Train?SVDD?hypersphere
model?=?svdd_train（X_sCker）;

%?Test?a?new?sample?Y?（vector?of?matrix）
d?=?svdd_test（modelY_s）;

%?Plot?the?results
plotResult（model.Rd）


?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-10-16?13:05??data\
?????文件???????39534??2019-05-24?18:34??data\SVDD.png
?????文件???????27972??2019-05-24?15:38??data\X.mat
?????文件????????6012??2019-05-24?15:38??data\Y.mat
?????文件?????????713??2019-05-31?09:33??demo.m
?????目錄???????????0??2019-10-16?13:05??func\
?????文件????????3502??2019-05-24?15:53??func\computeKM.m
?????文件????????1076??2019-05-24?15:54??func\normalize.m
?????文件????????1181??2019-05-24?16:02??func\plotResult.m
?????文件?????????846??2019-05-28?14:31??func\svdd_opt.m
?????文件????????1438??2019-06-02?14:19??func\svdd_smo.m
?????文件?????????696??2019-06-02?14:20??func\svdd_test.m
?????文件????????1612??2019-06-02?14:21??func\svdd_train.m
?????目錄???????????0??2019-10-16?13:05??ref\
?????文件??????318947??2019-05-28?14:29??ref\Tax-Duin2004_Article_SupportVectorDataDescription.pdf

評論

共有 條評論