具有結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的支持向量機(jī)（SVM）對(duì)于小樣本決策具有較好的學(xué)習(xí)推廣性，并且故障樣本的不足在一定程度上制約了基于知識(shí)的方法在故障診斷中的運(yùn)用。針對(duì)這一問題，提出了利用支持向量機(jī)的方法對(duì)匝間轉(zhuǎn)子繞組短路故障診斷方法。該方法利用小波分析對(duì)探測(cè)線圈測(cè)得感應(yīng)電動(dòng)勢(shì)進(jìn)行處理構(gòu)造特征向量，然后輸入到支持...
文中在研究現(xiàn)有先驗(yàn)知識(shí)與支持向量機(jī)融合的基礎(chǔ)上，針對(duì)置信度函數(shù)憑經(jīng)驗(yàn)給出的不足，提出了一種確定置信度函數(shù)方法，更好地進(jìn)行分類。該方法是建立在模糊系統(tǒng)理論的基礎(chǔ)上：將樣本的緊密度信息作為先驗(yàn)知識(shí)應(yīng)用于支持向量機(jī)的構(gòu)造中，在確定樣本的置信度時(shí)，不僅考慮了樣本到所在類中心之間的距離，還考慮樣本與類中其它樣...
將支持向量機(jī)應(yīng)用到典型的時(shí)變、非線性工業(yè)過程—— 連續(xù)攪拌反應(yīng)釜的辨識(shí)中, 并與BP 神經(jīng)網(wǎng)絡(luò)建模相比較, 仿真結(jié)果表明了支持向量機(jī)的有效性與優(yōu)越性. 支持向量機(jī)以其出色的學(xué)習(xí)能力為工業(yè)過程的辨識(shí)提出了一種新的途徑. ...
關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)...
交互支持向量機(jī)學(xué)習(xí)算法及其應(yīng)用...
