基于支持向量機的船用柴油機故障診斷研究.pdf_第1頁
已閱讀1頁，還剩77頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、從N.Vapnik的統(tǒng)計學習理論基礎上發(fā)展起來的支持向量機(Support VectorMachine，簡稱SVM)是目前模式識別領域中最先進的機器學習算法，它已初步表現(xiàn)出很多優(yōu)于已有方法的性能。由于采用了結構風險最小化原則代替經驗最小化原則，支持向量機能夠較好地解決小樣本學習的問題。又由于采用了核函數(shù)的思想，使它把非線性空間的問題轉換到線性空間，降低了算法的復雜度。正是因為其完備的理論基礎和出色的學習性能，該技術已經成為了機器學習界的

2、研究熱點，并在很多領域都得到了成功的應用。但是作為一種新興技術，SVM在很多應用領域的研究都還有待于探索和完善。如核函數(shù)和參數(shù)的選擇缺乏理論指導、訓練算法的完善、不支持增量學習等。這些問題的存在，使得SVM在很多領域的應用受到了很大的限制。 本文在學習探討SVM算法的同時，對SVM在船用柴油機供油系統(tǒng)故障診斷中的應用進行了論述，運用支持向量機理論對其進行了故障診斷的仿真研究和實驗研究，其中包括實驗系統(tǒng)數(shù)學模型的設計、仿真系統(tǒng)的建

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論