An On-Chip Multi-Class Support Vector Machine Applied to Portable Electronic Nose Data Classification

2011 ◽  
Author(s):  
Yao-Sheng Liang ◽  
Kea-Tiong Tang ◽  
Perena Gouma
Keyword(s):  
Support Vector Machine ◽  
Electronic Nose ◽  
Data Classification ◽  
Support Vector ◽  
On Chip

Imbalanced data classification algorithm with support vector machine kernel extensions

2018 ◽  
Vol 12 (3) ◽  
pp. 341-347 ◽  
Author(s):  
Feng Wang ◽  
Shaojiang Liu ◽  
Weichuan Ni ◽  
Zhiming Xu ◽  
Zemin Qiu ◽  
...  
Keyword(s):  
Support Vector Machine ◽  
Imbalanced Data ◽  
Data Classification ◽  
Classification Algorithm ◽  
Support Vector ◽  
Imbalanced Data Classification

scholarly journals Identificador de falhas para motor de indução trifásico baseado em support vector machine implementado em cloud.

2020 ◽  
Author(s):  
Jacyeude De Morais Passos Araújo Segundo ◽  
Carlos Vinicius Alves Coimbra ◽  
Mauro Sergio Silva Pinto ◽  
Leonardo Ramos Rodrigues
Keyword(s):  
Support Vector Machine ◽  
Microelectromechanical Systems ◽  
System On Chip ◽  
Support Vector ◽  
On Chip

Ao passo que a Indústria 4.0 avança, conjuntos de ações de automação e controle vem sendo implementados. Dentro deste contexto o sensoriamento de motores de indução trifásicos vem se tornando remoto e conectado à internet. A manutenção preventiva pode então utilizar esse grande volume de dados para aumentar sua capacidade de detecção de falhas em relação aos métodos clássicos de classificação. Este trabalho propõe o desenvolvimento de um identificador de diferentes condições, entre normalidade, desbalanceamento no rotor, alimentação por duas fases e desníveis na base de um motor trifásico de indução W22 IR3, com base em dados de análises vibracionais e de correntes elétricas. Utilizando um sistema para aquisição de dados que consiste em um acelerômetro MEMS (Microelectromechanical Systems) e um transformador de corrente não invasivo SCT-013, controlados por um SoC (System on Chip). A análise dos dados foi realizada na IBM Cloud através de Watson Studio e SPSS Modeler para aplicação de um modelo estatístico Support Vectot Machine (SVM) que foi treinado e testado usando diferentes funções kernel. Observou-se que a oferta da escolha das funções kernel condicionam os dados a diferentes performances de processamento. A utilização dos algoritmos de classificação SVM, provou ser bastante robusto e eficiente. Mostrando que a capacidade de generalização do classificador foi garantida.

An efficient weighted Lagrangian twin support vector machine for imbalanced data classification

2014 ◽  
Vol 47 (9) ◽  
pp. 3158-3167 ◽  
Author(s):  
Yuan-Hai Shao ◽  
Wei-Jie Chen ◽  
Jing-Jing Zhang ◽  
Zhen Wang ◽  
Nai-Yang Deng
Keyword(s):  
Support Vector Machine ◽  
Imbalanced Data ◽  
Data Classification ◽  
Twin Support Vector Machine ◽  
Support Vector ◽  
Imbalanced Data Classification
Sign in / Sign up

Export Citation Format

Share Document