基于粒子群支持向量机的轨道电路故障诊断
原价 ￥ 20.00
促销价 ￥ 1.00 评分 4.8
报错
- 详情
- 2021-03-23
- 简介
pdf
- 2.9MB
- 页数 4P
- 阅读 72
支持向量机（SVM）是-种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率.本文将粒子群算法（PSO）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中.通过对比MATLAB仿真结果得出：经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型.
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于粒子群支持向量机的轨道电路故障诊断 2.9MB
基于支持向量机的区间轨道电路故障诊断研究 2.2MB
基于改进支持向量机的仿真电路故障诊断研究 665KB
基于支持向量机的数字电路故障诊断研究 374KB
基于支持向量机的模拟电路故障诊断研究 733KB
基于粒子群优化支持向量机的电梯故障诊断 620KB
基于粒子群优化支持向量机的电梯故障诊断 620KB
基于同步优化的支持向量机模拟电路故障诊断方法研究 435KB
基于IWO-PSO优化支持向量机的模拟电路故障诊断 1.7MB
基于支持向量机的核探测器电路故障诊断方法研究 141KB