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:
针对LS-SVM失去了标准支持向量机的鲁棒性和稀疏性,提出了一种基于柯西分布的最小二乘支持向量机故障诊断的方法,根据样本误差的统计特性来确定加权参数的具体数值,来赋予训练样本不同的权值,这样不仅选择了贡献量比较大的样本,而且又顾及到了其他样本的一些特性.实验结果表明,该方法具有一定的可行性和有效性.
推荐文章
基于ELMD与LS-SVM的滚动轴承故障诊断方法
ELMD
模式混淆
LS-SVM
滚动轴承
故障诊断
基于LS-SVM ARX模型的除湿机故障诊断
故障诊断
除湿机
最小二乘支持向量机
外加输入自回归模型
基于LS-SVM和D-S证据理论的轴承故障诊断
信息融合
滚动轴承故障诊断
LS-SVM
D-S证据理论
基于EMD近似熵和LS-SVM的机械故障智能诊断
经验模式分解(empirical mode decomposition,EMD)
近似熵
最小二乘支持向量机(least square support vector machine,LS-SVM)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 基于柯西分布的LS-SVM电机故障诊断
来源期刊 煤矿机械 学科 工学
关键词 LS-SVM 柯西分布 故障诊断
年,卷(期) 2010,(10) 所属期刊栏目
研究方向 页码范围 238-241
页数 分类号 TP18|TP306
字数 2855字 语种 中文
DOI 10.3969/j.issn.1003-0794.2010.10.103
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 许允之 中国矿业大学信息与电气工程学院 111 387 11.0 15.0
2 郭西进 中国矿业大学信息与电气工程学院 82 391 10.0 15.0
3 陈明 中国矿业大学信息与电气工程学院 20 79 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (80)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (19)
二级引证文献  (2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(10)
  • 参考文献(0)
  • 二级参考文献(10)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(4)
  • 参考文献(3)
  • 二级参考文献(1)
2010(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)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
LS-SVM
柯西分布
故障诊断
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
煤矿机械
月刊
1003-0794
23-1280/TD
大16开
哈尔滨市古香街30号
14-38
1980
chi
出版文献量(篇)
21080
总下载数(次)
49
总被引数(次)
87205
论文1v1指导