文献类型：期刊文章

作　　者：李明江[1,2]

LI Mingjiang(School of Computer and Information,Qiannan Normal College for Nationalities,Duyun Guizhou 558000,China;Institute of Big Data Application and Artificial Intelligence,Qiannan Normal College for Nationalities,Duyun Guizhou 558000,China)

机构地区：[1]黔南民族师范学院计算机与信息学院 [2]黔南民族师范学院大数据应用与人工智能研究所

出　　处：《激光杂志》

年　　份：2019

卷　　号：40

期　　号：9

起止页码：107-111

语　　种：中文

收录情况：BDHX、BDHX2017、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：物联网环境下光纤网络故障数据挖掘容易受到关联规则项的干扰,数据挖掘的模糊聚类不好,降低光纤网络故障诊断效能,为了提高光纤网络故障诊断能力,提出一种基于支持向量机的光纤网络故障数据自动分类技术。采用融合量化编码技术进行光纤网络故障数据空间存储结构分析,采用分段线性检验方法进行光纤网络故障数据的联合关联互信息特征分析,采用统计回归分析模型进行光纤网络故障数据的特征提取,提取反映光纤网络故障数据类别属性的关联规则特征集,对提取的光纤网络故障数据特征量采用支持向量机分类器进行数据分类,引入极限学习因子对支持向量机进行收敛性控制,提高分类的全局稳定性。仿真结果表明,采用该方法进行光纤网络故障数据分类的准确性较高,误分率较小,提高了光纤网络故障诊断能力。

关 键 词：支持向量机 光纤网络 故障数据 分类  特征提取

分 类 号：TN929.1] TP181]