基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了基于支持向量机的故障诊断方法和步骤.诊断实例表明,与神经网络故障诊断方法相比,诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点.
推荐文章
基于DGA支持向量机的变压器故障诊断
DGA
支持向量机
变压器
故障诊断
参数优化
SVM模型
基于粒子群优化支持向量机的变压器故障诊断
粒子群算法
支持向量机
变压器故障诊断
基于支持向量机的模拟电路软故障诊断
计量学
模拟电路
支持向量机
故障诊断
基于支持向量机的化工过程故障诊断
故障诊断
连续搅拌釜式反应器
支持向量机
BP神经网络
小波网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的故障诊断方法
来源期刊 华东理工大学学报(自然科学版) 学科 工学
关键词 支持向量机 故障诊断 统计学习理论
年,卷(期) 2004,(2) 所属期刊栏目 研究论文
研究方向 页码范围 179-182
页数 4页 分类号 TP29
字数 3693字 语种 中文
DOI 10.3969/j.issn.1006-3080.2004.02.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 俞金寿 华东理工大学自动化研究所 199 3638 32.0 51.0
2 王华忠 华东理工大学自动化研究所 50 886 15.0 29.0
3 张雪申 华东理工大学自动化研究所 10 136 5.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (1807)
参考文献  (3)
节点文献
引证文献  (81)
同被引文献  (98)
二级引证文献  (214)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2005(6)
  • 引证文献(4)
  • 二级引证文献(2)
2006(21)
  • 引证文献(12)
  • 二级引证文献(9)
2007(14)
  • 引证文献(8)
  • 二级引证文献(6)
2008(20)
  • 引证文献(4)
  • 二级引证文献(16)
2009(27)
  • 引证文献(7)
  • 二级引证文献(20)
2010(26)
  • 引证文献(6)
  • 二级引证文献(20)
2011(18)
  • 引证文献(4)
  • 二级引证文献(14)
2012(24)
  • 引证文献(3)
  • 二级引证文献(21)
2013(19)
  • 引证文献(5)
  • 二级引证文献(14)
2014(11)
  • 引证文献(1)
  • 二级引证文献(10)
2015(24)
  • 引证文献(11)
  • 二级引证文献(13)
2016(24)
  • 引证文献(4)
  • 二级引证文献(20)
2017(23)
  • 引证文献(4)
  • 二级引证文献(19)
2018(15)
  • 引证文献(4)
  • 二级引证文献(11)
2019(21)
  • 引证文献(3)
  • 二级引证文献(18)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
故障诊断
统计学习理论
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华东理工大学学报(自然科学版)
双月刊
1006-3080
31-1691/TQ
16开
上海市梅陇路130号
4-382
1957
chi
出版文献量(篇)
3399
总下载数(次)
2
总被引数(次)
27146
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导