基于遗传算法的多尺度支持向量机及其在机械故障诊断中的应用
- 详情
- 2021-04-27
- 简介
- 760KB
- 页数 6P
- 阅读 102
- 下载 25
通过对支持向量机核函数的分析发现,当对样本的各个特征赋予不同大小的尺度参数时,可以避免冗余特征干扰分类,增强关键特征在分类中的作用,提高支持向量机分类器的学习和泛化能力。在此基础上,提出一种具有不同特征尺度参数的支持向量机(简称多尺度支持向量机),并通过遗传算法最小化LOO(leave-one-out)泛化错误上限估计,根据各个特征的识别能力赋予其不同大小的尺度参数。将多尺度支持向量机用于轴承故障诊断,实验结果表明,与传统的单尺度参数支持向量机相比,多尺度支持向量机具有更好的泛化能力。对压缩机气阀的故障识别表明,尺度参数的大小直接反映了对应特征识别能力的大小,因此可以依据尺度参数的大小进行特征选择,保留关键特征,剔除冗余特征。
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
j***
擅长:
市政 园林 给排水 暖通
- 4.6
服务
- 5
商品
- 223
人气
相关推荐
基于遗传算法的多尺度支持向量机及其在机械故障诊断中的应用 760KB
遗传算法和支持向量机在机械故障诊断中的应用研究 432KB
基于遗传算法优化支持向量机的电梯故障诊断 387KB
基于支持向量机的机械故障诊断方法研究 2.6MB
基于支持向量机的旋转机械故障诊断研究 39KB
基于支持向量机的旋转机械振动故障诊断研究 845KB
基于支持向量机的发动机故障诊断研究 92KB
遗传算法的支持向量机模型在房地产估价中的应用 169KB
基于支持向量机的设备故障诊断研究 420KB