基于禁忌搜索的管道状况集成检测方法

• 全文链接
• 请求原文

作   者：

王永雄;  苏剑波; 

作者机构：

井冈山大学电子与信息工程学院;  上海交通大学自动化系教育部系统控制与信息处理重点实验室; 

关键词：

不平衡数据;  半监督K-means和C4.5;  集成分类;  禁忌搜索;  异常检测; 

期刊名称：

模式识别与人工智能

基金项目：

面向服务任务的快速机器视觉与智能伺服控制

i s s n：

1003-6059

年卷期：

2013 年 26 卷 01 期

页   码：

85-91

摘   要：

为提高管道状况异常检测的识别率和实时性,提出基于禁忌搜索的半监督K-means聚类和C4.5决策树的集成检测方法.在禁忌搜索中引入代价敏感函数,选择具有最佳分类性能的特征组合和最佳组合权值,提高了不平衡数据分布中少数类的识别率.半监督K-means方法首先把样本特征聚类为k类,再利用C4.5方法精确每一类的边界,级联式集成方法缓解不平衡数据分布问题,提高管道检测的准确度.并提出3种集成原则:加权叠加、最近一致和最邻近原则.实验结果验证了算法的有效性,在管道状况的异常检测中具有较高的分类准确度.