基于支持向量机的区间轨道电路故障诊断研究
100 积分
50
评分
4.5 积分- 详情
- 2021-04-27
- 简介
pdf
- 2.2MB
- 页数 9P
- 阅读 116
- 下载 24
支持向量机(SVM)算法以统计学习理论为基础,依据结构风险最小化的原则,且在有效的特征信息有效的情况下,能够对数据中隐藏的有效信息进行挖掘。故本文用支持向量机对ZPW-2000轨道电路进行故障诊断研究,且用遗传算法和粒子群算法对其中的参数进行优化,进而实现故障类别的判断。对提高铁路信号维护的智能化水平有重大意义。
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
基于支持向量机的区间轨道电路故障诊断研究 2.2MB
基于粒子群支持向量机的轨道电路故障诊断 2.9MB
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
基于支持向量机的核探测器电路故障诊断方法研究 141KB
基于小波变换和支持向量机的模拟电路故障诊断方法研究 651KB
基于IWO-PSO优化支持向量机的模拟电路故障诊断 1.7MB
基于支持向量机的发动机故障诊断研究 92KB