煤矿机械
煤礦機械
매광궤계
COAL MINE MACHINERY
2005年
2期
122-123
,共2页
王秉仁%刘兆阳%张家伟%田丽洁
王秉仁%劉兆暘%張傢偉%田麗潔
왕병인%류조양%장가위%전려길
统计学习理论(SLT)%支持向量机(SVM)%故障诊断%神经网络
統計學習理論(SLT)%支持嚮量機(SVM)%故障診斷%神經網絡
통계학습이론(SLT)%지지향량궤(SVM)%고장진단%신경망락
故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一,支持向量机(SVM)是一种基于统计学习理论(SLT)的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果,从而为故障诊断技术向智能化发展提供了新的途径.介绍了支持向量机分类算法,探讨了该算法在故障诊断领域中的应用,并利用不同的核函数与BP神经网络分类方法进行了对比研究.结果表明,SVM方法在小样本情况下的分类效果优于BP神经网络.
故障樣本不足是製約故障診斷技術嚮智能化方嚮髮展的主要原因之一,支持嚮量機(SVM)是一種基于統計學習理論(SLT)的機器學習算法,它能在訓練樣本很少的情況下達到很好的分類效果,從而為故障診斷技術嚮智能化髮展提供瞭新的途徑.介紹瞭支持嚮量機分類算法,探討瞭該算法在故障診斷領域中的應用,併利用不同的覈函數與BP神經網絡分類方法進行瞭對比研究.結果錶明,SVM方法在小樣本情況下的分類效果優于BP神經網絡.
고장양본불족시제약고장진단기술향지능화방향발전적주요원인지일,지지향량궤(SVM)시일충기우통계학습이론(SLT)적궤기학습산법,타능재훈련양본흔소적정황하체도흔호적분류효과,종이위고장진단기술향지능화발전제공료신적도경.개소료지지향량궤분류산법,탐토료해산법재고장진단영역중적응용,병이용불동적핵함수여BP신경망락분류방법진행료대비연구.결과표명,SVM방법재소양본정황하적분류효과우우BP신경망락.
