武汉理工大学学报
武漢理工大學學報
무한리공대학학보
JOURNAL OF WUHAN UNIVERSITY OF TECHNOLOGY
2003年
4期
55-57
,共3页
故障诊断%可视化%自组织映射%模式识别
故障診斷%可視化%自組織映射%模式識彆
고장진단%가시화%자조직영사%모식식별
将高维的各种故障样本数据经降维和聚类后,在二维的平面上显示出来,使每种类别的故障占据平面的不同区域,从而达到故障可视的目的.据此能很好地对新的样本进行故障识别,还可以对故障的发展趋势进行预测.采用Kohonen的自组织神经网络方法可以对故障样本数据进行降维和聚类.实例说明了该方法的正确性.
將高維的各種故障樣本數據經降維和聚類後,在二維的平麵上顯示齣來,使每種類彆的故障佔據平麵的不同區域,從而達到故障可視的目的.據此能很好地對新的樣本進行故障識彆,還可以對故障的髮展趨勢進行預測.採用Kohonen的自組織神經網絡方法可以對故障樣本數據進行降維和聚類.實例說明瞭該方法的正確性.
장고유적각충고장양본수거경강유화취류후,재이유적평면상현시출래,사매충유별적고장점거평면적불동구역,종이체도고장가시적목적.거차능흔호지대신적양본진행고장식별,환가이대고장적발전추세진행예측.채용Kohonen적자조직신경망락방법가이대고장양본수거진행강유화취류.실례설명료해방법적정학성.
