首页>
根据【关键词:航空发动机轴承,支持向量机,主成分分析,轴承诊断,粒子群算法】搜索到相关结果 163 条
-
基于多种预测算法的飞机故障预测效果研究
-
作者:
朱兴动
章思宇
宋建华
来源:
兵工自动化
年份:
2021
文献类型 :
期刊
关键词:
支持向量机
Fisher判别法
随机森林
Kappa系数
逻辑回归
故障预测
-
描述:
为大幅提高飞机的维修故障预测精度,在充分研究Fisher判别法、逻辑回归、随机森林和支持向量机4种算法的基础上,使用某型飞机故障维修记录数据作为基础数据集,在R平台上实现这4种算法,以分析比较4种算法在故障预测上的效果差异。结果表明,支持向量机的预测效果最好。
-
基于航空正射影像的面向对象林隙识别
-
作者:
毛学刚
邢秀丽
李佳蕊
谭良全
范文义
来源:
林业科学
年份:
2019
文献类型 :
期刊
关键词:
面向对象
支持向量机
航空正射影像
影像分割
对象特征
林隙
-
描述:
场东林施业区为试验区进行林隙识别。在面向对象分类过程中,对航空正射影像的3个分量(Blue、Green和Red)采用10种尺度(10~100,步长为10)进行分割,应用拓扑组合准确度(R_(A(or
-
基于航空正射影像的面向对象林隙识别
-
作者:
毛学刚
邢秀丽
李佳蕊
谭良全
范文义
来源:
林业科学
年份:
2019
文献类型 :
期刊
关键词:
面向对象
支持向量机
航空正射影像
影像分割
对象特征
林隙
-
描述:
场东林施业区为试验区进行林隙识别。在面向对象分类过程中,对航空正射影像的3个分量(Blue、Green和Red)采用10种尺度(10~100,步长为10)进行分割,应用拓扑组合准确度(R_(A(or
-
基于复合算法的航空发动机磨损故障诊断
-
作者:
黄帆
李艳军
曹愈远
李依林
来源:
航空计算技术
年份:
2019
文献类型 :
期刊
关键词:
支持向量机
油液分析
航空发动机
故障诊断
相对劣化度
免疫系统
-
描述:
针对航空发动机油液数据种类多样,所处状态阶段存在矛盾性,且传统三线值法制定状态界限值存在缺陷等问题,结合支持向量机理论(SVM),相对劣化度评估和人工免疫算法(AIS),提出了一种航空发动机
-
基于集对分析和AFSA-SVM的军航空管安全评价
-
作者:
甘旭升
杨捷
刘飞
刘苹妮
来源:
安全与环境学报
年份:
2020
文献类型 :
期刊
关键词:
集对分析
支持向量机
军航空管
安全系统学
人工鱼群算法
安全评价
-
描述:
基于集对分析和AFSA-SVM的军航空管安全评价
-
基于迁移学习的民航发动机小样本故障诊断
-
作者:
付松
钟诗胜
林琳
张永健
来源:
计算机集成制造系统
年份:
2020
文献类型 :
期刊
关键词:
民航发动机
支持向量机
小样本
深度自编码器
故障诊断
迁移学习
-
描述:
进行训练,建立发动机状态特征提取模型;然后将该特征提取模型迁移到具有少量数据的发动机故障样本中,并对这些故障样本进行特征提取;最后利用支持向量机(support vector machine, SVM
-
基于多种预测算法的飞机故障预测效果研究
-
作者:
朱兴动
章思宇
宋建华
来源:
兵工自动化
年份:
2020
文献类型 :
期刊
关键词:
支持向量机
Fisher判别法
随机森林
Kappa系数
逻辑回归
故障预测
-
描述:
为大幅提高飞机的维修故障预测精度,在充分研究Fisher判别法、逻辑回归、随机森林和支持向量机4种算法的基础上,使用某型飞机故障维修记录数据作为基础数据集,在R平台上实现这4种算法,以分析比较4种算法在故障预测上的效果差异。结果表明,支持向量机的预测效果最好。
-
基于复合算法的航空发动机磨损故障诊断
-
作者:
黄帆
李艳军
曹愈远
李依林
来源:
航空计算技术
年份:
2019
文献类型 :
期刊
关键词:
支持向量机
油液分析
航空发动机
故障诊断
相对劣化度
免疫系统
-
描述:
针对航空发动机油液数据种类多样,所处状态阶段存在矛盾性,且传统三线值法制定状态界限值存在缺陷等问题,结合支持向量机理论(SVM),相对劣化度评估和人工免疫算法(AIS),提出了一种航空发动机
-
基于集对分析和AFSA-SVM的军航空管安全评价
-
作者:
甘旭升
杨捷
刘飞
刘苹妮
来源:
安全与环境学报
年份:
2020
文献类型 :
期刊
关键词:
集对分析
支持向量机
军航空管
安全系统学
人工鱼群算法
安全评价
-
描述:
基于集对分析和AFSA-SVM的军航空管安全评价
-
基于迁移学习的民航发动机小样本故障诊断
-
作者:
付松
钟诗胜
林琳
张永健
来源:
计算机集成制造系统
年份:
2020
文献类型 :
期刊
关键词:
民航发动机
支持向量机
小样本
深度自编码器
故障诊断
迁移学习
-
描述:
进行训练,建立发动机状态特征提取模型;然后将该特征提取模型迁移到具有少量数据的发动机故障样本中,并对这些故障样本进行特征提取;最后利用支持向量机(support vector machine, SVM