共查询到10条相似文献,搜索用时 250 毫秒
1.
在机械设备的故障诊断中,常采用RBF神经网络算法对故障进行诊断和计算,但该算法实现故障诊断必须有大量的故障样本,同时还有训练速度慢、结构确定难、容易陷入局部极小、泛化能力差等缺点。相反,SVM不仅能解决小样本的问题,并且还有全局最优、泛化能力强等优点。为此,本文提出一种基于SVM的RBF神经网络的优化方法,并将它应用齿轮箱中的齿轮故障诊断,取得了良好的预期效果。 相似文献
2.
基于PCA及SVM的图像信息隐藏检测* 总被引:1,自引:0,他引:1
本文提出了一种基于主成分分析(PCA, principal components analysis)及支持向量机(SVM, support vector machines)的信息隐藏盲检测方法。该方法根据信息隐藏时对载体图像引入噪声的特点,通过分析图像块的主成分,计算出图像的特征向量。通过对原始样本图像和藏密样本图像特征向量的学习和训练,得到SVM检测模型,可用于信息隐藏的盲检测。实验结果表明,该方法能够有效地检测出目前常用的信息隐藏方法。 相似文献
3.
4.
5.
为了解决传统径向基网络结构确定难和故障样本不足的问题,本文结合支持向量机(Support Vector Machine,SVM)在解决小样本数据集及非线性问题上的独特优势,提出了一种基于支持向量机的径向基网络故障诊断方法:并将该方法应用在滚动轴承的故障诊断上,实验结果表明该方法不仅可以提高径向基网络的训练速度,而且还可以获得更准确的诊断结果。 相似文献
6.
基于多目标规划和支持向量机的企业信用评估模型 总被引:3,自引:0,他引:3
针对两类样本企业信用状况的重叠问题,提出一种基于多目标规划和支持向量机(SVM)的企业信用评估模型.基于TOPSIS法,分别以"正常企业"样本逼近理想点、"违约企业"样本逼近负理想点为目标,构建多目标规划模型;运用实码加速遗传算法求解得出指标综合权重,通过构造加权样本,减少两类样本企业信用状况的重叠,可在一定程度上提高SVM的预测精度.应用实例证明了该模型的可行性和有效性. 相似文献
7.
8.
为了最大限度提取到局放故障最本质的信息,利用超球面支持向量机对不同绝缘故障局部放电类型进行模式识别。局部放电信号检测复杂,对应故障类型多样,局部放电样本数目有限且特征量呈非线性,使得BP神经网络和SVM的识别率较低。本文基于自回归系数特征,采用经过粒子群优化的超球面支持向量机对不同绝缘故障类型的局部放电进行模式识别,识别率高,这对提高局部放电模式识别率具有一定的指导意义。 相似文献
9.
10.
近几年,由电梯引起的各种事故频繁发生,影响着居民的正常出行,电梯的安全问题成为居民关注的话题。电梯出现的故障可以分为电气控制系统故障和机械故障,相比机械故障,电气控制系统故障的维修难度比较大。本文针对电气控制系统出现的故障进行分析,需找其故障出现的原因,并在该基础上检验排除电气控制系统的故障。 相似文献