Results 111 to 120 of about 11,225 (203)
Gaoya dianqi, 2018 对高压断路器动作过程中状态特征参量的提取与分析是状态识别与故障诊断的关键。高压断路器分合闸过程中的触头行程曲线蕴含着反映其内部机构机械状态的丰富信息。然而,仅依靠常规的时间和速度等参量无法对高压断路器的机械状态进行准确识别。文中提出了一种基于最优特征向量分类的高压断路器机械状态识别方法,通过计算各个特征与状态分类之间的互信息,根据最大相关最小冗余的准则筛选出最优特征子集,然后基于最优特征量构建支持向量机（SVM）,利用分类准确度进行评价,确定出最优的特征向量和分类模型。对实验数据的分析结果表明 ...
杨景刚 +5 more
doaj
Gaoya dianqi, 2017 文中搭建了真空断路器试验平台,实现了主轴卡涩等四类机械故障状态。通过将正常及故障状态下的实测振动信号进行经验模态分解,得到所需要的内禀模态函数（intrinsic made function,IMF）,利用能量法求出包含主要故障特征信息的各内禀模态函数分量的能量总量。利用IMF分量能量总量作为特征向量,并以此作为支持向量机输入,分析对比了不同分类策略、核函数的分类时间和分类准确率,经实验分析选用"一对其他"分类策略并且核函数为径向基函数的分类效果最优 ...
冯英 +5 more
doaj
Gaoya dianqi, 2019 为解决基于支持向量机（SVM）的变压器故障诊断中因样本不对称导致诊断准确率降低的问题,提出了一种改进的向上采样策略和SVM结合的方法。首先通过K-近邻算法提取少数类样本数据中的边界数据集并生成新的少数类随机样本,在此基础上向少数类样本中添加人工生成的随机新样本使得两类样本数量达到基本均衡。对比均衡样本和不对称样本下的SVM分类模型的性能,结果表明:该方法能够有效降低SVM分类平面的偏移程度,进一步提高了SVM变压器故障诊断的准确率。
刘晨斐 +4 more
doaj
基于最小二乘支持向量机的森林火灾预测研究 Prediction of Forest Fires Based on Least Squares Support Vector Machine
, 2016 李恩来
semanticscholar +1 more source
[Construction of risk prediction models of hypothermia after transurethral holmium laser enucleation of the prostate based on three machine learning algorithms]. [PDF]
Nan Fang Yi Ke Da Xue Xue BaoJiang J, Feng S, Sun Y, An Y.
europepmc +1 more source
[A pace recognition method for exoskeleton wearers based on support vector machine-hidden Markov model]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2022 Hu D, Liu Z, Chen L, Wang Q.
europepmc +1 more source
[Evolving treatment landscape of pediatric acute leukemia: integration and breakthroughs in immunotherapy and targeted therapy]. [PDF]
Zhongguo Dang Dai Er Ke Za ZhiWen FQ, Mai HR.
europepmc +1 more source