简介：在数据驱动的集中式空调系统故障诊断过程中，特征选择是一个必要的预处理．选取重要的特征作为分类依据，无论是从经济的角度还是对故障的有效判断上，都具有非常重要的意义．现采用不同的特征选择方法对一组冷水机组故障数据进行特征选取，并利用支持向量机完成分类，最后通过对比分析获取冷水机组故障诊断中最重要的特征子集．
简介：为解决空气处理机组在故障检测过程中难以获得大量带有类标记样本,且故障样本数据标记代价较高的问题,本文结合支持向量机与半监督学习方法,提出了针对空气处理机组故障检测的半监督学习算法.首先利用序列前向选择选出重要的特征作为分类依据,将半监督学习方法引入支持向量机的学习过程中,并使用遗传算法寻找支持向量机的最佳参数.然后选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本中有利于支持向量机的信息,提高学习性能.实验表明,提出的混合算法能够在故障标记样本比较少的情况下达到较高的故障诊断率.
冷水机组故障诊断中重要特征的选择
半监督支持向量机的空气处理机组夏季故障诊断
