振动、测试与诊断
振動、測試與診斷
진동、측시여진단
JOURNAL OF VIBRATION, MEASUREMENT & DIAGNOSIS
2013年
1期
153-156
,共4页
粒子群%决策树%支持向量机%故障诊断
粒子群%決策樹%支持嚮量機%故障診斷
입자군%결책수%지지향량궤%고장진단
针对现有支持向量机(support vector machines,简称SVM)在构造多类分类器的过程中存在计算费时、搜索率不高的问题,提出了一种新的SVM决策树设计算法.引入具有优良的全局搜索性能的粒子群算法,将其应用于优化决策树,构造出一种自适应性强、识别率高的多元分类器,实现SVM的有效多值分类.将其结果应用于齿轮箱故障诊断中,试验结果证明改进后的SVM构造方法的有效性和准确性.
針對現有支持嚮量機(support vector machines,簡稱SVM)在構造多類分類器的過程中存在計算費時、搜索率不高的問題,提齣瞭一種新的SVM決策樹設計算法.引入具有優良的全跼搜索性能的粒子群算法,將其應用于優化決策樹,構造齣一種自適應性彊、識彆率高的多元分類器,實現SVM的有效多值分類.將其結果應用于齒輪箱故障診斷中,試驗結果證明改進後的SVM構造方法的有效性和準確性.
침대현유지지향량궤(support vector machines,간칭SVM)재구조다류분류기적과정중존재계산비시、수색솔불고적문제,제출료일충신적SVM결책수설계산법.인입구유우량적전국수색성능적입자군산법,장기응용우우화결책수,구조출일충자괄응성강、식별솔고적다원분류기,실현SVM적유효다치분류.장기결과응용우치륜상고장진단중,시험결과증명개진후적SVM구조방법적유효성화준학성.
