机械设计与研究
機械設計與研究
궤계설계여연구
MACHINE DESIGN AND RESEARCH
2013年
3期
88-91,100
,共5页
支持向量数据描述%尾部关联性%增量学习
支持嚮量數據描述%尾部關聯性%增量學習
지지향량수거묘술%미부관련성%증량학습
support vector data description%tail relevance%incremental learning
为了提高发动机冷试检测的准确率,将支持向量数据描述应用于正常域设计.基于尾部关联性选择关联参数,针对数据的特点改进了SVDD参数优化方法,实现了SVDD边界形成算法,提出增量学习策略应对学习过程样本量巨大的问题.实例测试结果表明新型正常域降低了漏报率,并指出误报率将随着样本的引入降低并趋于稳定.
為瞭提高髮動機冷試檢測的準確率,將支持嚮量數據描述應用于正常域設計.基于尾部關聯性選擇關聯參數,針對數據的特點改進瞭SVDD參數優化方法,實現瞭SVDD邊界形成算法,提齣增量學習策略應對學習過程樣本量巨大的問題.實例測試結果錶明新型正常域降低瞭漏報率,併指齣誤報率將隨著樣本的引入降低併趨于穩定.
위료제고발동궤랭시검측적준학솔,장지지향량수거묘술응용우정상역설계.기우미부관련성선택관련삼수,침대수거적특점개진료SVDD삼수우화방법,실현료SVDD변계형성산법,제출증량학습책략응대학습과정양본량거대적문제.실례측시결과표명신형정상역강저료루보솔,병지출오보솔장수착양본적인입강저병추우은정.
