CAJ | 학술논문

本文针对贝叶斯分类器精度不高,需要大量样本集学习,尤其是当获得大量的带有类别标注的样本代价较高时的缺点,探讨了一种基于增量式贝叶斯分类器的故障诊断方法,使用该模型不断积累完善样本,自动修正网络结构参数和概率分布参数,从而达到诊断效果的高效性。也把该模型运用到变压器的故障诊断中,通过大量的实例证明,该模型运用的算法在现实工作中有实质的可行性和操作性。
본문침대패협사분류기정도불고,수요대량양본집학습,우기시당획득대량적대유유별표주적양본대개교고시적결점,탐토료일충기우증량식패협사분류기적고장진단방법,사용해모형불단적루완선양본,자동수정망락결구삼수화개솔분포삼수,종이체도진단효과적고효성。야파해모형운용도변압기적고장진단중,통과대량적실예증명,해모형운용적산법재현실공작중유실질적가행성화조작성。