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:
采用一种基于粒子群优化的特征提取算法,以K-NN分类正确率作为评价准则,应用粒子群优化算法寻找使提取特征的K-NN分类正确率最大的转换矩阵,从而实现特征的提取.算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟故障特征进行提取.故障诊断示例证明了该特征提取算法在导弹模拟故障诊断中的有效性.
推荐文章
基于粒子群优化LSSVM的模拟电路故障诊断方法
模拟电路
故障诊断
粒子群优化
最小二乘支持向量机
基于遗传粒子群算法的模拟电路故障诊断方法研究
遗传粒子群算法
小波包分解
模拟电路
故障诊断
基于改进粒子群优化XGBoost的变压器故障诊断方法
变压器
故障诊断
极端梯度提升
粒子群算法
无编码比值
粒子群算法优化特征和神经网络的模拟电路故障诊断
模拟电路
特征选择
故障诊断
神经网络
粒子群算法
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 基于粒子群优化技术的导弹模拟故障诊断方法
来源期刊 战术导弹技术 学科 工学
关键词 特征提取 粒子群优化 K-NN分类 导弹模拟故障诊断
年,卷(期) 2011,(3) 所属期刊栏目 计算机应用技术
研究方向 页码范围 98-103
页数 6页 分类号 TJ765.4+3
字数 语种 中文
DOI
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 魏学业 108 1157 19.0 28.0
2 周敬国 2 13 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
研究主题发展历程
节点文献
特征提取
粒子群优化
K-NN分类
导弹模拟故障诊断
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
战术导弹技术
双月刊
1009-1300
11-1771/TJ
大16开
北京市
1980
chi
出版文献量(篇)
2188
总下载数(次)
4
总被引数(次)
9312
论文1v1指导