<bdo id="kkmwi"></bdo>
具有結(jié)構(gòu)風險最小化原則的支持向量機（SVM）對于小樣本決策具有較好的學習推廣性，并且故障樣本的不足在一定程度上制約了基于知識的方法在故障診斷中的運用。針對這一問題，提出了利用支持向量機的方法對匝間轉(zhuǎn)子繞組短路故障診斷方法。該方法利用小波分析對探測線圈測得感應電動勢進行處理構(gòu)造特征向量，然后輸入到支持向量機的多故障分類器中進行故障識別。實驗數(shù)據(jù)表明該方法是可行、有效的，并且在小樣本的情況下，較BP神經(jīng)網(wǎng)絡(luò)有更好的分類效果。
標簽： 支持向量機 發(fā)電機 匝間 轉(zhuǎn)子
上傳時間： 2013-11-04
上傳用戶：s363994250
文中在研究現(xiàn)有先驗知識與支持向量機融合的基礎(chǔ)上，針對置信度函數(shù)憑經(jīng)驗給出的不足，提出了一種確定置信度函數(shù)方法，更好地進行分類。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知識應用于支持向量機的構(gòu)造中，在確定樣本的置信度時，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本之間的關(guān)系，通過模糊連接度將支持向量與含噪聲樣本進行區(qū)分。文中將基于先驗知識的支持向量機應用于醫(yī)學圖像分割，以加拿大麥吉爾大學的brainWeb模擬腦部數(shù)據(jù)庫提供的不同噪聲的圖像進行實驗，實驗結(jié)果表明采用基于先驗知識的支持向量機比傳統(tǒng)支持向量機具有更好的抗噪性能及分類能力。
標簽： 支持向量機 圖像分割 中的應用
上傳時間： 2013-10-12
上傳用戶：cmc_68289287
將支持向量機應用到典型的時變、非線性工業(yè)過程—— 連續(xù)攪拌反應釜的辨識中, 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的有效性與優(yōu)越性. 支持向量機以其出色的學習能力為工業(yè)過程的辨識提出了一種新的途徑.
標簽： SVM 支持向量機 工業(yè)過程 辨識
上傳時間： 2013-10-17
上傳用戶：zhangdebiao
關(guān)于統(tǒng)計學習理論與支持向量機
標簽： 支持向量機
上傳時間： 2015-01-12
上傳用戶：黑漆漆
交互支持向量機學習算法及其應用
標簽： 支持向量機 學習算法
上傳時間： 2014-01-19
上傳用戶：qoovoop
支持向量機的MATLAB工具箱
標簽： MATLAB 支持向量機 工具箱
上傳時間： 2015-02-01
上傳用戶：水中浮云
支持向量機的SMO算法
標簽： SMO 支持向量機 算法
上傳時間： 2013-12-25
上傳用戶：xaijhqx
支持向量機Windows Svm
標簽： Windows Svm 支持向量機
上傳時間： 2015-03-08
上傳用戶：yangbo69
支持向量機程序(2)Text Windows Svm
標簽： Windows Text Svm 支持向量機
上傳用戶：manking0408
支持向量機(3)svm_light
標簽： svm_light 支持向量機
上傳時間： 2013-12-27
上傳用戶：whenfly
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
