期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LMKL的航空电子部件故障检测技术
被引量:
1
1
作者
宁贵敏
《电子测试》
2022年第23期99-102,共4页
为了使航空电子部件故障诊断精度得到提高,提出了基于LMKL的航空电子部件故障诊断方法。使用正常状态下小样本数据,提出基于LMKL的数学表达方式。得到局部核权重对离线检测需要的统计检验量和阈值进行定义,实现故障检测功能。最后,将此...
为了使航空电子部件故障诊断精度得到提高,提出了基于LMKL的航空电子部件故障诊断方法。使用正常状态下小样本数据,提出基于LMKL的数学表达方式。得到局部核权重对离线检测需要的统计检验量和阈值进行定义,实现故障检测功能。最后,将此方法在航空电子设备中使用。通过结果表示,方法能够提高特异度、查准率和召回率。
展开更多
关键词
航空电子
lmkl
故障检测
下载PDF
职称材料
基于LMKL和OC-ELM的航空电子部件故障检测方法
被引量:
6
2
作者
朱敏
刘奇
+1 位作者
刘星
许晴
《系统工程与电子技术》
EI
CSCD
北大核心
2020年第6期1424-1432,共9页
针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning,LMKL)和一类超限学习机(one-class extreme learning machine,OC-ELM)的故障检测方法。仅运用正常状态的小样本数...
针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning,LMKL)和一类超限学习机(one-class extreme learning machine,OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification,OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve,AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection,LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。
展开更多
关键词
超限学习机
局部多核学习
一类分类
故障检测
下载PDF
职称材料
题名
基于LMKL的航空电子部件故障检测技术
被引量:
1
1
作者
宁贵敏
机构
成都工贸职业技术学院(成都市技师学院)
出处
《电子测试》
2022年第23期99-102,共4页
文摘
为了使航空电子部件故障诊断精度得到提高,提出了基于LMKL的航空电子部件故障诊断方法。使用正常状态下小样本数据,提出基于LMKL的数学表达方式。得到局部核权重对离线检测需要的统计检验量和阈值进行定义,实现故障检测功能。最后,将此方法在航空电子设备中使用。通过结果表示,方法能够提高特异度、查准率和召回率。
关键词
航空电子
lmkl
故障检测
Keywords
avionics
lmkl
Fault detection
分类号
TP306 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于LMKL和OC-ELM的航空电子部件故障检测方法
被引量:
6
2
作者
朱敏
刘奇
刘星
许晴
机构
海军航空大学
海军装备部
中国人民解放军
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2020年第6期1424-1432,共9页
基金
国家自然科学基金(11802338)
山东省自然科学基金(ZR2017MF036)资助课题。
文摘
针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning,LMKL)和一类超限学习机(one-class extreme learning machine,OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification,OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve,AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection,LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。
关键词
超限学习机
局部多核学习
一类分类
故障检测
Keywords
extreme learning machine(ELM)
localized multiple kernel learning(
lmkl
)
one-class classification(OCC)
fault detection
分类号
V243 [航空宇航科学与技术—飞行器设计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LMKL的航空电子部件故障检测技术
宁贵敏
《电子测试》
2022
1
下载PDF
职称材料
2
基于LMKL和OC-ELM的航空电子部件故障检测方法
朱敏
刘奇
刘星
许晴
《系统工程与电子技术》
EI
CSCD
北大核心
2020
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部