基于Online LS-SVM的钢铁件淬硬层深度在线检测

• 作者: 贾健明 颜鹏
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 最小二乘支持向量机 人工神经网络 在线检测,电磁无损检测 硬度
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 检测与监控
• 页码范围: 82-84,88
• 页数: 4页
• 分类号: TG156.8+1
• 字数: 2548字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2009.05.024

摘要

为了实现钢铁件淬硬层深度的在线电磁无损检测,提出了在线最小二乘支持向量机(Online Least SQuare Support Vector Machine)的建模方法.Online LS-SVM是以增量学习训I练SVM,以减量学习减少样本数,实现小样本估计的训练方法.实验结果表明,Online LS-SVM不仅能实现钢铁件淬硬层深度的在线电磁无损检测,而且具有学习速度快,泛化性能好,对样本依赖程度低的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾健明	常州信息职业技术学院机电工程系	21	57	5.0	6.0
2	颜鹏	常州信息职业技术学院机电工程系	27	54	4.0	6.0