基于Online LS-SVM的钢铁件渗碳层深度在线检测

• 作者: 贾健明 陈黎敏 颜鹏
• 来源期刊: 现代制造工程
• 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 渗碳
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 仪器仪表/检测/监控
• 页码范围: 121-124
• 页数: 4页
• 分类号: TG156.8+1
• 字数: 2858字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3133.2009.12.032

摘要

为实现钢铁件渗碳层深度的在线电磁无损检测,提出在线最小二乘支持向量机(Online Least Square Support Vector Machine,Online LS-SVM)的建模方法.Online LS-SVM是以增量学习训练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不仅能实现钢铁件渗碳层深度的在线电磁无损检测,而且具有学习速度快、泛化性能好和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
3	陈黎敏	常州信息职业技术学院机电工程系	26	104	6.0	9.0