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:
介绍了神经网络和支持向量机理论,对比分析两种理论的优缺点.通过试验,说明了神经网络和支持向量机在故障诊断中的应用方法,并通过改变学习样本数量,比较两种智能技术在故障诊断中的运用情况,验证了支持向量机在小样本情况下比神经网络具有更强的泛化能力.
推荐文章
基于支持向量机的混合电路故障诊断
支持向量机
混合电路
故障诊断
动态电流
基于神经网络和奇偶向量的卫星故障诊断
神经网络
奇偶向量
全球定位系统(GPS)
故障诊断
基于小波包分解和支持向量机的机械故障诊断方法
小波包分解
能量谱
支持向量机
故障诊断
多故障分类器
基于支持向量机的信息融合模拟电路故障诊断方法研究
信息融合
支持向量机
模拟电路故障诊断
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 基于神经网络和支持向量机的故障诊断
来源期刊 西华大学学报(自然科学版) 学科 工学
关键词 故障诊断 支持向量机 神经网络
年,卷(期) 2008,(3) 所属期刊栏目 机电工程
研究方向 页码范围 24-27
页数 4页 分类号 TP206.3
字数 3081字 语种 中文
DOI 10.3969/j.issn.1673-159X.2008.03.008
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 喻俊馨 西华大学机械工程与自动化学院 25 217 8.0 14.0
2 黄惟公 西华大学机械工程与自动化学院 39 372 10.0 18.0
3 王计生 西华大学机械工程与自动化学院 13 190 7.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (98)
参考文献  (4)
节点文献
引证文献  (8)
同被引文献  (21)
二级引证文献  (26)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(6)
  • 参考文献(1)
  • 二级参考文献(5)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(4)
  • 引证文献(2)
  • 二级引证文献(2)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(13)
  • 引证文献(0)
  • 二级引证文献(13)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
故障诊断
支持向量机
神经网络
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
西华大学学报(自然科学版)
双月刊
1673-159X
51-1686/N
大16开
四川省成都市金牛区
1982
chi
出版文献量(篇)
3399
总下载数(次)
6
总被引数(次)
16135
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导