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:
基于支持向量机的传统模拟电路故障诊断方法对新故障无检测能力,且可扩展性较差.针对该问题,提出结合一类支持向量机(OCSVM)和多类支持向量机(MCSVM)的故障诊断方法.该方法采用OCSVM对故障数据进行检测和初步分类,采用MCSVM提高分类性能,以弥补OCSVM分类能力的不足.对OCSVM算法进行改进,以提高其检测和分类性能.通过模拟电路故障诊断实验验证OCSVM改进算法和联合故障诊断方法的有效性.
推荐文章
基于DMVU-OCSVM的故障诊断方法
故障诊断
动态最大方差展开
单类支持向量机
模拟电路软故障诊断的研究
模拟电路
软故障诊断
故障字典法
节点电压增量关系方程
模糊神经网络
小波神经网络
网络撕裂法
一种模拟电路故障诊断方法研究
模拟电路
敌障诊断
最小二乘支持向量机
粒子群优化算法
模拟电路免疫记忆网络故障诊断方法
模拟电路
智能故障诊断
免疫记忆网络
k近邻算法
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 结合OCSVM的模拟电路故障诊断方法
来源期刊 计算机工程 学科 工学
关键词 模拟电路故障诊断 支持向量机 一类支持向量机 决策函数 正负类间隔 参数选择
年,卷(期) 2012,(4) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 170-173
页数 分类号 TP206+.3
字数 4164字 语种 中文
DOI 10.3969/j.issn.1000-3428.2012.04.055
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 单甘霖 军械工程学院光学与电子工程系 113 845 15.0 23.0
2 段修生 军械工程学院光学与电子工程系 68 568 10.0 22.0
3 张岐龙 军械工程学院光学与电子工程系 13 150 5.0 12.0
4 王俭臣 军械工程学院光学与电子工程系 9 54 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (14)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (5)
二级引证文献  (5)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
模拟电路故障诊断
支持向量机
一类支持向量机
决策函数
正负类间隔
参数选择
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导