学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于新型机器学习的电子装备系统智能故障诊断研究
被引:15
作者
:
杨云
论文数:
0
引用数:
0
h-index:
0
机构:
北京航空航天大学工程系统工程系
杨云
朱家元
论文数:
0
引用数:
0
h-index:
0
机构:
北京航空航天大学工程系统工程系
朱家元
张恒喜
论文数:
0
引用数:
0
h-index:
0
机构:
北京航空航天大学工程系统工程系
张恒喜
不详
论文数:
0
引用数:
0
h-index:
0
机构:
北京航空航天大学工程系统工程系
不详
机构
:
[1]
北京航空航天大学工程系统工程系
[2]
空军工程大学工程学院飞机与发动机工程系
[3]
空军工程大学工程学院飞机与发动机工程系 北京
[4]
西安
[5]
西安
来源
:
计算机工程与应用
|
2003年
/ 22期
关键词
:
神经网络;
机器学习;
支持向量机;
电子装备;
故障诊断;
D O I
:
暂无
中图分类号
:
TP277 [监视、报警、故障诊断系统];
学科分类号
:
0804 ;
080401 ;
080402 ;
摘要
:
支持向量机是一种基于结构风险最小原则的新型机器学习方法,具有完备的理论依据和良好的学习泛化能力。该文针对电子装备系统特征,采用支持向量机算法构建智能故障诊断模型,并对典型电子设备进行故障诊断。结果表明,该诊断模型是可行的、有效的,具有一定工程应用价值。
引用
收藏
页码:210 / 211+232 +232
页数:3
相关论文
共 2 条
[1]
Klaus-Robert,Müller,Sebastian,Mika,GunnarRtschetal.AnIntro-ductiontoKernel-BasedLearningAlgorithms犤J犦. IEEETransactionsonNeuralNetworks . 2001
[2]
VapnikVN.StatisticalLearningTheory犤M犦. . 1998
←
1
→
共 2 条
[1]
Klaus-Robert,Müller,Sebastian,Mika,GunnarRtschetal.AnIntro-ductiontoKernel-BasedLearningAlgorithms犤J犦. IEEETransactionsonNeuralNetworks . 2001
[2]
VapnikVN.StatisticalLearningTheory犤M犦. . 1998
←
1
→