振动、测试与诊断
振動、測試與診斷
진동、측시여진단
JOURNAL OF VIBRATION, MEASUREMENT & DIAGNOSIS
2010年
5期
557-560
,共4页
崔立林%朱海潮%章林柯%何琳%栾瑞鹏
崔立林%硃海潮%章林柯%何琳%欒瑞鵬
최립림%주해조%장림가%하림%란서붕
小样本%直推式置信机%奇异测量%识别%噪声源
小樣本%直推式置信機%奇異測量%識彆%譟聲源
소양본%직추식치신궤%기이측량%식별%조성원
在小样本条件下识别水下航行器机械噪声源,通常运用直推式置信机(transductive confidence machine,简称TCM)与K-近邻法(K-nearest neighbors,简称KNN)相结合的TCM-KNN算法.但在高置信水平下,用这种方法对测试样本进行预测分类的能力不强.通过改进奇异测量方法,提出了改进的TCM-KNN算法.经舱段模型试验表明,该算法能有效地提高预测分类的正确率和预测的置信度,且分类性能优于常用的BP和RBF神经网络等模式识别方法.
在小樣本條件下識彆水下航行器機械譟聲源,通常運用直推式置信機(transductive confidence machine,簡稱TCM)與K-近鄰法(K-nearest neighbors,簡稱KNN)相結閤的TCM-KNN算法.但在高置信水平下,用這種方法對測試樣本進行預測分類的能力不彊.通過改進奇異測量方法,提齣瞭改進的TCM-KNN算法.經艙段模型試驗錶明,該算法能有效地提高預測分類的正確率和預測的置信度,且分類性能優于常用的BP和RBF神經網絡等模式識彆方法.
재소양본조건하식별수하항행기궤계조성원,통상운용직추식치신궤(transductive confidence machine,간칭TCM)여K-근린법(K-nearest neighbors,간칭KNN)상결합적TCM-KNN산법.단재고치신수평하,용저충방법대측시양본진행예측분류적능력불강.통과개진기이측량방법,제출료개진적TCM-KNN산법.경창단모형시험표명,해산법능유효지제고예측분류적정학솔화예측적치신도,차분류성능우우상용적BP화RBF신경망락등모식식별방법.
