大數(shù)據(jù)融合及應(yīng)用(經(jīng)典)
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-14
上傳用戶：slq1234567890
人口老齡化是世界各國正在面對的一個普遍問題。隨著我國老齡化程度的持續(xù)加劇，對于老年人群體的醫(yī)療資源投入會不斷提高。而與此同時，跌倒已經(jīng)成為老年人日常生活中最為常見的危險行為活動。所以，跌倒檢測系統(tǒng)的研究和應(yīng)用對降低老年人受到的身心傷害和醫(yī)療成本具有顯著的意義。目前解決老年人跌倒檢測的方案仍存在許多不足。其中，基于計算機視覺的跌倒檢測技術(shù)在無干擾的場景下檢測較為有效，但其易受環(huán)境變化（如背景光線影響、人遮擋問題等）影響。此外，基于可穿戴計算的跌倒檢測技術(shù)受限于算法穩(wěn)定性和識別準(zhǔn)確率，系統(tǒng)的靈敏度和特異性難以同時得到保證。針對上述問題本文提出一種融合計算機視覺和可穿戴計算數(shù)據(jù)的跌倒檢測新的方法。首先，設(shè)計并開發(fā)了集成三軸加速度計、三軸陀螺儀和藍(lán)牙的活動感知模塊，實現(xiàn)實時采集、傳輸人體活動數(shù)據(jù)：其次，使用深度學(xué)習(xí)算法從攝像頭采集的圖像數(shù)據(jù)提取人體姿態(tài)特征數(shù)據(jù)：最后，對采集的人體活動數(shù)據(jù)和姿態(tài)數(shù)據(jù)進(jìn)行規(guī)范化和時序化處理，設(shè)計了兩個深度學(xué)習(xí)網(wǎng)絡(luò)分別對數(shù)據(jù)進(jìn)行特征提取，并將兩特征進(jìn)行特征層數(shù)據(jù)融合，在此基礎(chǔ)上構(gòu)建神經(jīng)網(wǎng)絡(luò)對融合數(shù)據(jù)進(jìn)行活動本文搭建了實驗平臺并進(jìn)行了算法測試，其中，本文跌倒檢測算法針對離線測試數(shù)據(jù)的準(zhǔn)確率為992%，平均敏感度為995%、平均特異性為99.8%：針對在線數(shù)據(jù)系統(tǒng)測試準(zhǔn)確率為98.9%、平均敏感度為99.2%、平均特異性為99.5%實驗結(jié)果證明了利用計算機視覺和可穿戴計算數(shù)據(jù)融合的跌倒檢測具有較高的準(zhǔn)確率和魯棒性。
標(biāo)簽： 視覺圖像 數(shù)據(jù)融合
上傳時間： 2022-03-14
上傳用戶：bluedrops
準(zhǔn)確量化和預(yù)測陸地生態(tài)系統(tǒng)碳水通量對于理解陸氣間相互作用，預(yù)測未來氣候變化和控制溫室效應(yīng)具有重要意義。通量觀測和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測精度較高，但觀測范圍局限、站點分布不均勻，易受環(huán)境影響，難以區(qū)域擴(kuò)展；模型模擬可實現(xiàn)不同尺度參量估算，但由于理想化假設(shè)、模型參數(shù)和驅(qū)動數(shù)據(jù)等限制，導(dǎo)致其模擬結(jié)果往往與真實值存在較大偏差。模型-數(shù)據(jù)融合方法主要是通過參數(shù)估計和數(shù)據(jù)同化兩種技術(shù)集成觀測和模型信息，建立兩者相互制約調(diào)節(jié)的優(yōu)化關(guān)系，以提高模型結(jié)果與真實值之間的匹配程度。基于該思路，本研究在地面觀測數(shù)據(jù)、遙感衛(wèi)星資料以及相關(guān)氣候環(huán)境數(shù)據(jù)基礎(chǔ)上，重點突破全球動態(tài)植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數(shù)優(yōu)化方法，獲取適宜中國的參數(shù)化方案：在此基礎(chǔ)上，引入數(shù)據(jù)同化算法，將遙感衛(wèi)星產(chǎn)品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進(jìn)的模型推廣至中國區(qū)域，實現(xiàn)對20002015年中國地區(qū)總初級生產(chǎn)力（Gross Primary Productivity GPP）和敬發(fā)（Evapotranspiration，ET的空間格局模擬及分析。主要結(jié)論如下1）將LP」DGwM中所選出的22個可調(diào)參數(shù)（涉及光合、呼吸、水平衡異速生長、死亡、建立以及土壤和掉落物分解共七個作用領(lǐng)域）在各自取值范圍內(nèi)隨機獲得不同的參數(shù)組合，結(jié)果表明22個參數(shù)可引起GPP和ET模擬結(jié)果產(chǎn)生較大的不確定性，尤其集中在生長季。所有站點GPP相對不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對不確定性RU月變化趨勢明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個參數(shù)對GP模擬產(chǎn)生的影響更為顯著。
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-16
上傳用戶：shjgzh
在工業(yè)應(yīng)用中常用一組傳感器對問一個被測量目標(biāo)在一個過程的不同位置進(jìn)行測量，然而由于每個傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測量值中獲得更準(zhǔn)確的測量結(jié)果，霱要進(jìn)“步研究多傳感器的融合理論多傳感器數(shù)據(jù)融合系統(tǒng)的關(guān)鍵在于如何充分利用各個傳感器的信息，得到對被測參數(shù)的最優(yōu)估計，本文主要研究了以加權(quán)的方式進(jìn)行多傳感器數(shù)據(jù)融合的方法，即研究如何對每個傳感器進(jìn)行加權(quán)，從而得到對被測參數(shù)最優(yōu)佑計的方法為此本文在介紹了多傳感器數(shù)據(jù)融合技術(shù)的基礎(chǔ)上，首先研究了基于奇異值分解的數(shù)據(jù)融合算法，通過對傳感器測量值構(gòu)成的矩陣進(jìn)行奇異值分解，利用每個傳感器測量值所對應(yīng)的奇異值，可以估計出對每個傳感器權(quán)值的最優(yōu)估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數(shù)的最優(yōu)估計，此外，在許多工業(yè)過程中，人們利用多傳感器測量同一過程參數(shù)以控制該參數(shù)在過程中的不同位置能根據(jù)需要進(jìn)行合理分布，此時人們希望利用多傳感器融合的測量結(jié)果，對每一個傳感器的測量數(shù)據(jù)進(jìn)行重建，以獲得對每一個傳感器的測量結(jié)果進(jìn)行更為準(zhǔn)確的估計。為此，本文進(jìn)一步研究了基于小波降噪和數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法，仿真和實驗結(jié)果都說明提出算法是有效的，最后，研究了非線性動態(tài)系統(tǒng)的狀態(tài)融合問題，研究了加權(quán)無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴(kuò)展卡爾曼濾波（EKF）在狀態(tài)融合估計中的不足，可以得到了更準(zhǔn)確的狀態(tài)融合估計結(jié)關(guān)鍵詞多傳感器系統(tǒng)，數(shù)據(jù)融合，奇異值分解，UKF
標(biāo)簽： 傳感器 數(shù)據(jù)融合
上傳時間： 2022-03-16
上傳用戶：aben
本文以數(shù)據(jù)融合理論為基礎(chǔ)，進(jìn)行情報雷達(dá)的數(shù)據(jù)融合系統(tǒng)的設(shè)計與實現(xiàn)。系統(tǒng)主要包括數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)、目標(biāo)狀態(tài)估計幾個方面。在系統(tǒng)的數(shù)據(jù)配準(zhǔn)中，首先進(jìn)行坐標(biāo)變換，然后采用主站雷達(dá)測量坐標(biāo)系下的誤差線性化方法進(jìn)行系統(tǒng)誤差估計。通過仿真表明，利用誤差修正可以抑制隨機噪聲，較為準(zhǔn)確地估計各雷達(dá)站的系統(tǒng)誤差。在系統(tǒng)的數(shù)據(jù)關(guān)聯(lián)部分，本文將動態(tài)分區(qū)與整體相關(guān)思想相結(jié)合進(jìn)行航跡相關(guān)，減小了關(guān)聯(lián)數(shù)據(jù)量，并大大降低了誤相關(guān)率，提高了系統(tǒng)的實際應(yīng)用能力。同時采用灰色關(guān)聯(lián)的思想，有效地利用雷達(dá)提供的數(shù)據(jù)而盡量避免對融合系統(tǒng)的影響，很好地解決兩坐標(biāo)雷達(dá)觀測數(shù)據(jù)的融合問題。在跟蹤維持部分，文中利用“模糊相似”很好地進(jìn)行航跡起始，并采用序貫濾波和灰色理論解決融合中出現(xiàn)的異步和異質(zhì)數(shù)據(jù)的問題，使主副站航跡更好地進(jìn)行融合。除了原理的敘述外，在C+ Builder環(huán)境下，采用本文方法進(jìn)行了多情報雷達(dá)的航跡綜合仿真。本文提供了很好的數(shù)據(jù)融合實現(xiàn)的思路和流程，并可以在實際系統(tǒng)中很好地應(yīng)用。關(guān)鍵詞：數(shù)據(jù)融合航跡綜合誤差修正數(shù)據(jù)關(guān)聯(lián)動態(tài)分區(qū)整體相關(guān)模糊相似灰色系統(tǒng)理論優(yōu)勢分析序貫濾波
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-17
上傳用戶：ttalli
（1）介紹了模擬電路故障診斷技術(shù)發(fā)展和現(xiàn)狀，對現(xiàn)有的主要診斷方法以及近年來先進(jìn)的神經(jīng)網(wǎng)絡(luò)理論和技術(shù)以及數(shù)據(jù)融合技術(shù)在模擬電路故障診斷領(lǐng)域中的應(yīng)用進(jìn)行了簡單的論述（2）對神經(jīng)網(wǎng)絡(luò)方法的基本原理及其在模擬電路故障診斷中的優(yōu)勢進(jìn)行了詳細(xì)的介紹，包括神經(jīng)網(wǎng)絡(luò)的分類和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則。詳細(xì)說明在電路故障診斷中應(yīng)用最廣泛的BP神經(jīng)網(wǎng)的設(shè)計、訓(xùn)練和測試方法，并對一個兩級RC耦合放大器電路例進(jìn)行了測試、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和診斷。（3）介紹了數(shù)據(jù)融合技術(shù)的概念、優(yōu)缺點、基本方法及其在各個領(lǐng)域的應(yīng)用情況。然后對于數(shù)據(jù)融合具體方法，著重研究了 Bayes統(tǒng)計融合方法Dempster-Shafer證據(jù)理論融合方法以及模糊集理論融合方法。最后采用基于待定系數(shù)法的隸屬度構(gòu)造法以及模糊融合的方法對實例電路進(jìn)行了故障診斷。（4）提出了一種新的利用包含元件直流特性信息的靜態(tài)工作點電壓和包含元件交流特性信息的不同頻率激勵下輸出電壓峰值與輸出電壓峰值的比值兩類信息進(jìn)行數(shù)據(jù)融合診斷的方法，保證故障信息量的同時降低了獲取難度，應(yīng)用模糊數(shù)學(xué)的理論，通過模糊變換將兩類故障信息通過兩個神經(jīng)網(wǎng)絡(luò)診斷得出的故障求屬度進(jìn)行決策層的數(shù)據(jù)融合，較好的解決了了單神經(jīng)網(wǎng)絡(luò)診斷信息量不足，由于電路元件互相影響而產(chǎn)生的故障診斷不確定性的問題以及待融合故障信息隸屬度獲取困難的問題，使得診斷準(zhǔn)確率得到較為明顯的提高本文提出的基于數(shù)據(jù)融合和神經(jīng)網(wǎng)絡(luò)的方法可以實現(xiàn)對模擬電路的故障進(jìn)行準(zhǔn)確實時快速診斷，具有一定的實用價值。關(guān)健詞：模擬電路；數(shù)據(jù)融合；神經(jīng)網(wǎng)絡(luò)；模糊集理論
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-17
上傳用戶：
戰(zhàn)場環(huán)境是影響戰(zhàn)爭勝負(fù)走向的關(guān)鍵因素，其中地形是戰(zhàn)場環(huán)境的主要構(gòu)成。隨著軍事技術(shù)的變革、精確打擊和精確斬首武器的運用，傳統(tǒng)二維地圖的局限性已經(jīng)無法滿足軍事訓(xùn)練和軍事指揮方面的需求。而對于當(dāng)前的三維戰(zhàn)場地形，快速進(jìn)行地形模型構(gòu)建、地形模型精細(xì)化以及海量數(shù)據(jù)可視化呈現(xiàn)的要求顯得越來越高。因此，本文為構(gòu)建真實的三維戰(zhàn)場地理環(huán)境及可視化進(jìn)行了深入研究。本文選用傾斜攝影技術(shù)與 Cesium可視化庫進(jìn)行真實三維地形的建立及可視化平臺的搭建，以西安工業(yè)大學(xué)未央校區(qū)做為典型應(yīng)用實例進(jìn)行城市作戰(zhàn)可視化開發(fā)。首先，本文介紹了三維實景建模與可視化相關(guān)理論；論述了在Web端進(jìn)行可視化開發(fā)的優(yōu)勢；提出了傾斜攝影測量技術(shù)對三維戰(zhàn)場地形構(gòu)建時存在的問題及解決辦法。其次，本文制定了戰(zhàn)場環(huán)境多源數(shù)據(jù)采集方案以及基于 Smart3D多源數(shù)據(jù)融合建模流程。制作了三維戰(zhàn)場地形數(shù)據(jù)并進(jìn)行了模型質(zhì)量分析，包括模型的紋理精度、幾何精度和地理坐標(biāo)精度。確保生成的地形數(shù)據(jù)滿足逼真的可視化視覺效果及地形對地面人員裝備的各種干涉作用的真實性最后，本文在前三章的基礎(chǔ)上采用BS三層架構(gòu)的方式，通過 Cesium、HTLM，JavaScript等語言進(jìn)行戰(zhàn)場環(huán)境可視化平臺的搭建，實現(xiàn)了城市化作戰(zhàn)的三維戰(zhàn)場環(huán)境構(gòu)建。同時本文基于 Cesium完成了模型單體化和模型驅(qū)動等功能本課題對三維戰(zhàn)場地形環(huán)境構(gòu)建與可視化研究具有重要意義。本文提出的戰(zhàn)場環(huán)境構(gòu)建方法可以運用到各種戰(zhàn)場環(huán)境的構(gòu)建，包括山地丘陵的作戰(zhàn)地形環(huán)境構(gòu)建、城市反恐作戰(zhàn)等。通過可視化平臺的加載可以直觀、真實了解戰(zhàn)場環(huán)境。通過模型驅(qū)動完成戰(zhàn)場中各種演示效果。關(guān)鍵詞：多源數(shù)據(jù)融合；傾斜攝影測量：三維建模；Cesium：三維戰(zhàn)場環(huán)境可視化：CZML
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-17
上傳用戶：
摘要：無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，wSN是由許多具有低功率無線收發(fā)裝置的傳感器節(jié)點組成，它們監(jiān)測采集周邊環(huán)境信息并傳送到基站進(jìn)行處理在某一時刻通過wSN采集的數(shù)據(jù)量非常大，如何正確、高效地處理這些數(shù)據(jù)成為當(dāng)前WSN研究中的一個熱點。傳感器節(jié)點一般部署在惡劣環(huán)境中，一些偶然因素會使采集的數(shù)據(jù)中出現(xiàn)不準(zhǔn)確的數(shù)據(jù)，用戶依據(jù)這樣的數(shù)據(jù)很難準(zhǔn)確判斷出被測對象的真實狀態(tài)。基于模糊理論的決策級數(shù)據(jù)融合算法能夠很好的解決這個問題本文以國家863研究項目《基于無線傳感器網(wǎng)絡(luò)的鐵路危險貨物在途安全狀態(tài)監(jiān)測技術(shù)研究》為背景，結(jié)合鐵路運輸中棉花在途狀態(tài)監(jiān)測系統(tǒng)的開發(fā)，在分析了當(dāng)前有效的決策級數(shù)據(jù)融合技術(shù)基礎(chǔ)上，提出了基于模糊理論的決策級數(shù)據(jù)融合算法，該算法通過對采集數(shù)據(jù)進(jìn)行處理和分析，以獲得準(zhǔn)確的被測對象狀態(tài)的描述。本文的主要工作包括：（1）分析了WSN中傳統(tǒng)的決策級數(shù)據(jù)融合算法，如自適應(yīng)加權(quán)數(shù)據(jù)融合算法和算術(shù)平均數(shù)數(shù)據(jù)融合算法，總結(jié)這兩種算法的優(yōu)缺點和檢測系統(tǒng)的需求，進(jìn)步明確理想算法應(yīng)達(dá)到的目標(biāo)。（2）提出了基于模糊理論的兩階段數(shù)據(jù)融合算法：該算法第一階段利用基于貼近度的數(shù)據(jù)融合算法進(jìn)行同類數(shù)據(jù)的融合校準(zhǔn)，這一階段的目的是剔除錯誤的和可信度較差的數(shù)據(jù)，得到相對更加準(zhǔn)確的數(shù)據(jù)，第二階段利用模糊推理對第個階段得到的異類數(shù)據(jù)進(jìn)行融合推理，得到被測對象當(dāng)前狀態(tài)的描述，為決策提供支持（3）結(jié)合實測數(shù)據(jù)仿真本文所提出的算法，結(jié)果證明與傳統(tǒng)的融合算法相比，可以更加準(zhǔn)確的描述被測對象狀態(tài)
標(biāo)簽： 無線傳感器
上傳時間： 2022-03-17
上傳用戶：
隨著科學(xué)技術(shù)的發(fā)展和現(xiàn)代戰(zhàn)爭的需要，數(shù)據(jù)融合作為一門新興交叉學(xué)科，在近年來得到了廣泛關(guān)注和快速發(fā)展，而關(guān)于雷達(dá)情報處理的研究和應(yīng)用也日益受到重視。現(xiàn)代戰(zhàn)爭中，指揮、控制通信和情報系統(tǒng)面臨著嚴(yán)峻的挑戰(zhàn)。在多雷達(dá)情報處理系統(tǒng)中，采用數(shù)據(jù)融合技術(shù)，提供更加實時、準(zhǔn)確的情報是現(xiàn)代戰(zhàn)爭的迫切需求。論文正是圍繞這一需求展開的，研究了雷達(dá)情報數(shù)據(jù)融合系統(tǒng)的誤差校正和航跡關(guān)聯(lián)問論文較為系統(tǒng)地介紹了數(shù)據(jù)融合的概念、研究意義、國內(nèi)外發(fā)展?fàn)顩r及其應(yīng)用，并討論了數(shù)據(jù)融合的模型、結(jié)構(gòu)及關(guān)鍵技術(shù)論文針對多雷達(dá)情報處理系統(tǒng)中的系統(tǒng)誤差問題，研究了四種誤差校正方法。文研究了密集目標(biāo)環(huán)境中的航跡關(guān)聯(lián)問題，對多傳感器數(shù)據(jù)關(guān)聯(lián)的方法進(jìn)行了分類，并針對多雷達(dá)情報處理系統(tǒng)這個分布式系統(tǒng)，研究了分布式數(shù)據(jù)關(guān)聯(lián)方法。運用0-1整數(shù)規(guī)劃法建立了密集目標(biāo)環(huán)境的規(guī)劃模型函數(shù)并求解應(yīng)用在多雷達(dá)數(shù)據(jù)融合軟件中，使航跡關(guān)聯(lián)達(dá)到了極好的效果，為開發(fā)多雷達(dá)數(shù)據(jù)融合軟件提供了技術(shù)支持。關(guān)鍵詞：雷達(dá)情報，數(shù)據(jù)融合，數(shù)據(jù)關(guān)聯(lián)，誤差校正，航跡關(guān)聯(lián)，0-1整數(shù)規(guī)劃現(xiàn)代戰(zhàn)爭中，新型作戰(zhàn)飛機機動性能強，具有隱身特性，加上電子對抗的戰(zhàn)場環(huán)境，傳統(tǒng)雷達(dá)情報處理系統(tǒng)已應(yīng)付不了多目標(biāo)，高密度的空情要求。為了適應(yīng)新軍事變革要求，在未來信息化戰(zhàn)爭中雷達(dá)能夠給出準(zhǔn)確的信息情報，雷達(dá)情報處理系統(tǒng)在改善硬件條件的同時，開發(fā)運用數(shù)據(jù)融合新技術(shù)，從根本上改善雷達(dá)情報質(zhì)量已然成為當(dāng)務(wù)之急數(shù)據(jù)融合一詞最早出現(xiàn)在七十年代末期，是從軍事CI系統(tǒng)中提出的，它與信號處理、計算機技術(shù)、概率統(tǒng)計、圖像處理和人工智能學(xué)科密切相關(guān)，是一門新興發(fā)展起來的交叉學(xué)科。
標(biāo)簽： 雷達(dá) 數(shù)據(jù)融合
上傳時間： 2022-03-18
上傳用戶：wangshoupeng199
隨著杜會和經(jīng)濟(jì)的發(fā)展，環(huán)境水污染現(xiàn)象也日趨嚴(yán)重，迫切需要環(huán)境水質(zhì)多參數(shù)監(jiān)測與智能分析系統(tǒng)，以為環(huán)境監(jiān)測、管理和控制提供科學(xué)的手段。水質(zhì)多組分檢測涉及到多傳感器數(shù)據(jù)融合、計算機技術(shù)、電化學(xué)分析和人工智能等多學(xué)科的交叉，在眾多領(lǐng)域有著廣泛的應(yīng)用。本論文研究環(huán)境水質(zhì)檢測與智能分析系統(tǒng)，論文的主要工作包括1）基于最小二乘支持向量機的在線自適應(yīng)加權(quán)數(shù)據(jù)融合算法多傳感器數(shù)據(jù)融合由于能夠利用互補和冗余的信息，顯著提高系統(tǒng)的可靠性而得到了廣泛應(yīng)用，而數(shù)據(jù)融合的關(guān)鍵問題是融合算法。本文深入研究了多傳感器數(shù)據(jù)融合理論的基礎(chǔ)上，針對傳統(tǒng)融合算法研究存在的問題，提出了一種基于最小二乘支持向量機的在線自適應(yīng)加權(quán)數(shù)據(jù)融合算法，并應(yīng)用到水質(zhì)在線檢測過程中，不僅縮短了訓(xùn)練的時間，而且提高了融合的可靠性和靈活性2）提出了一種離子傳感器的基于最小二乘支持向量機的自校正方法：由于離子傳感器的非線性、漂移和交叉敏感性等影響了其檢測精度和可靠性，難以進(jìn)行連續(xù)在線檢測。以硝酸根離子傳感器為例，研究其自校正方法，以適應(yīng)動態(tài)環(huán)境的連續(xù)監(jiān)測根據(jù)實驗數(shù)據(jù)，詳細(xì)分析了硝酸根離子傳感器的響應(yīng)特性，并考慮了零點和時間漂移，提出了一種基于最小二乘支持向量機硝酸根離子傳感器的自校正方法，給出了詳細(xì)描述和分析。3）離子傳感器故障檢測的小波支持向量機特征提取和支持向量機分類方法在線連續(xù)檢測的應(yīng)用要求離子傳感器必須具有很高的可靠性，即能夠及時準(zhǔn)確地判斷出離子傳感器的故障。本文采用小波支持向量機提取各傳感器故障特征，再用支持向量機對故障進(jìn)行分類，實現(xiàn)對各離子傳感器的故障診斷。
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-18
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
