期刊文献+
共找到228篇文章
< 1 2 12 >
每页显示 20 50 100
Precise Multi-Class Classification of Brain Tumor via Optimization Based Relevance Vector Machine
1
作者 S.Keerthi P.Santhi 《Intelligent Automation & Soft Computing》 SCIE 2023年第4期1173-1188,共16页
The objective of this research is to examine the use of feature selection and classification methods for distinguishing different types of brain tumors.The brain tumor is characterized by an anomalous proliferation of ... The objective of this research is to examine the use of feature selection and classification methods for distinguishing different types of brain tumors.The brain tumor is characterized by an anomalous proliferation of brain cells that can either be benign or malignant.Most tumors are misdiagnosed due to the variabil-ity and complexity of lesions,which reduces the survival rate in patients.Diagno-sis of brain tumors via computer vision algorithms is a challenging task.Segmentation and classification of brain tumors are currently one of the most essential surgical and pharmaceutical procedures.Traditional brain tumor identi-fication techniques require manual segmentation or handcrafted feature extraction that is error-prone and time-consuming.Hence the proposed research work is mainly focused on medical image processing,which takes Magnetic Resonance Imaging(MRI)images as input and performs preprocessing,segmentation,fea-ture extraction,feature selection,similarity measurement,and classification steps for identifying brain tumors.Initially,the medianfilter is practically applied to the input image to reduce the noise.The graph-cut segmentation technique is used to segment the tumor region.The texture feature is extracted from the output of the segmented image.The extracted feature is selected by using the Ant Colony Opti-mization(ACO)algorithm to improve the performance of the classifier.This prob-abilistic approach is used to solve computing issues.The Euclidean distance is used to calculate the degree of similarity for each extracted feature.The selected feature value is given to the Relevance Vector Machine(RVM)which is a multi-class classification technique.Finally,the tumor is classified as abnormal or nor-mal.The experimental result reveals that the proposed RVM technique gives a better accuracy range of 98.87%when compared to the traditional Support Vector Machine(SVM)technique. 展开更多
关键词 Brain tumor SEGMENTATION classification relevance vector machine(rvm) ant colony optimization(ACO)
下载PDF
Seismic fragility analysis of bridges by relevance vector machine based demand prediction model
2
作者 Swarup Ghosh Subrata Chakraborty 《Earthquake Engineering and Engineering Vibration》 SCIE EI CSCD 2022年第1期253-268,共16页
A relevance vector machine(RVM)based demand prediction model is explored for efficient seismic fragility analysis(SFA)of a bridge structure.The proposed RVM model integrates both record-to-record variations of ground ... A relevance vector machine(RVM)based demand prediction model is explored for efficient seismic fragility analysis(SFA)of a bridge structure.The proposed RVM model integrates both record-to-record variations of ground motions and uncertainties of parameters characterizing the bridge model.For efficient fragility computation,ground motion intensity is included as an added dimension to the demand prediction model.To incorporate different sources of uncertainty,random realizations of different structural parameters are generated using Latin hypercube sampling technique.Mean fragility,along with its dispersions,is estimated based on the log-normal fragility model for different critical components of a bridge.The effectiveness of the proposed RVM model-based SFA of a bridge structure is elucidated numerically by comparing it with fragility results obtained by the commonly used SFA approaches,while considering the most accurate direct Monte Carlo simulation-based fragility estimates as the benchmark.The proposed RVM model provides a more accurate estimate of fragility than conventional approaches,with significantly less computational effort.In addition,the proposed model provides a measure of uncertainty in fragility estimates by constructing confidence intervals for the fragility curves. 展开更多
关键词 bridge structure seismic fragility analysis seismic demand model relevance vector machine
下载PDF
Support Vector Machine active learning for 3D model retrieval 被引量:6
3
作者 LENG Biao QIN Zheng LI Li-qun 《Journal of Zhejiang University-Science A(Applied Physics & Engineering)》 SCIE EI CAS CSCD 2007年第12期1953-1961,共9页
In this paper, we present a novel Support Vector Machine active learning algorithm for effective 3D model retrieval using the concept of relevance feedback. The proposed method learns from the most informative objects... In this paper, we present a novel Support Vector Machine active learning algorithm for effective 3D model retrieval using the concept of relevance feedback. The proposed method learns from the most informative objects which are marked by the user, and then creates a boundary separating the relevant models from irrelevant ones. What it needs is only a small number of 3D models labelled by the user. It can grasp the user's semantic knowledge rapidly and accurately. Experimental results showed that the proposed algorithm significantly improves the retrieval effectiveness. Compared with four state-of-the-art query refinement schemes for 3D model retrieval, it provides superior retrieval performance after no more than two rounds of relevance feedback. 展开更多
关键词 3D model retrieval Shape descriptor relevance feedback Support vector machine (SVM) Active learning
下载PDF
MULTIPLE KERNEL RELEVANCE VECTOR MACHINE FOR GEOSPATIAL OBJECTS DETECTION IN HIGH-RESOLUTION REMOTE SENSING IMAGES 被引量:1
4
作者 Li Xiangjuan Sun Xian +2 位作者 Wang Hongqi Li Yu Sun Hao 《Journal of Electronics(China)》 2012年第5期353-360,共8页
Geospatial objects detection within complex environment is a challenging problem in remote sensing area. In this paper, we derive an extension of the Relevance Vector Machine (RVM) technique to multiple kernel version... Geospatial objects detection within complex environment is a challenging problem in remote sensing area. In this paper, we derive an extension of the Relevance Vector Machine (RVM) technique to multiple kernel version. The proposed method learns an optimal kernel combination and the associated classifier simultaneously. Two feature types are extracted from images, forming basis kernels. Then these basis kernels are weighted combined and resulted the composite kernel exploits interesting points and appearance information of objects simultaneously. Weights and the detection model are finally learnt by a new algorithm. Experimental results show that the proposed method improve detection accuracy to above 88%, yields good interpretation for the selected subset of features and appears sparser than traditional single-kernel RVMs. 展开更多
关键词 Object detection Feature extraction relevance vector machine (rvm) Support vector machine (SVM) Sliding-window
下载PDF
基于PCA-RVM的矿山岩石爆破粒径预测模型
5
作者 张研 吴哲康 《沈阳工业大学学报》 CAS 北大核心 2023年第2期229-234,共6页
为解决露天矿山爆破开采过程中岩石爆破粒径大小难以获取的问题,提出一种基于主成分分析法(PCA)及相关向量机(RVM)相结合的矿山岩石爆破粒径预测模型.该模型利用PCA对样本数据进行降维处理,选取出4个相互独立的主成分变量,并借助RVM构... 为解决露天矿山爆破开采过程中岩石爆破粒径大小难以获取的问题,提出一种基于主成分分析法(PCA)及相关向量机(RVM)相结合的矿山岩石爆破粒径预测模型.该模型利用PCA对样本数据进行降维处理,选取出4个相互独立的主成分变量,并借助RVM构建主成分与爆破粒径之间的非线性映射关系,从而建立预测模型.将该模型应用于工程实例,并与BP神经网络和LM双隐含层模型进行对比.结果表明,在相同学习样本下,PCA-RVM模型预测结果与实际值更加接近,在平均相对误差和均方差上远小于另两种模型. 展开更多
关键词 露天矿山 主成分分析 相关向量机 爆破 岩石粒径 降维处理 非线性映射 预测模型
下载PDF
基于天牛须优化算法的相关向量机边坡稳定性分析
6
作者 张研 唐北昌 孟庆鹏 《重庆交通大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第11期11-17,36,共8页
为了快速、准确地预测边坡稳定性,及时控制边坡危害,提出了一种基于天牛须(beetle antennae search,BAS)优化算法的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。基于RVM模型,建立了边坡影响因素与稳定性的非线性映射... 为了快速、准确地预测边坡稳定性,及时控制边坡危害,提出了一种基于天牛须(beetle antennae search,BAS)优化算法的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。基于RVM模型,建立了边坡影响因素与稳定性的非线性映射关系;采用BAS算法对RVM模型参数进行优化,提出了基于BAS算法的RVM边坡稳定性分析优化模型;并将该模型应用于京新高速公路的边坡稳定性分析。分析结果表明:与实际值相比,基于BAS-RVM模型的最大绝对值相对误差为3.90%;在相同学习样本下,与RVM模型、支持向量机(support vector machine,SVM)模型和径向基函数(radical basis function,RBF)模型的预测值相比,BAS-RVM模型预测结果的可信度和拟合度更好、精度更高,其平均绝对值误差(mean absolute error,EMA)、均方根误差(root mean square error,ERMS)、相对均方误差(relative root mean square error,ERRMS)远低于其他3种模型。 展开更多
关键词 岩土工程 天牛须优化算法(BAS) 相关向量机(rvm) 预测模型 边坡
下载PDF
一种基于QPSO-RVM的模拟电路故障预测方法 被引量:26
7
作者 张朝龙 何怡刚 +2 位作者 邓芳明 袁莉芬 何威 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第8期1751-1757,共7页
提出了一种可应用于模拟电路故障预测的方法。通过提取被测电路的频域响应信号,计算皮尔逊相关系数,从而表征电路元件的健康度;在获取元件在不同时间点的健康度数据的基础上,推导出电路元件发生故障时的健康度阈值;将经量子粒子群算法... 提出了一种可应用于模拟电路故障预测的方法。通过提取被测电路的频域响应信号,计算皮尔逊相关系数,从而表征电路元件的健康度;在获取元件在不同时间点的健康度数据的基础上,推导出电路元件发生故障时的健康度阈值;将经量子粒子群算法优化的相关向量机算法用于故障预测,预测各个时间点的元件健康度变化轨迹并估计模拟电路的剩余有用寿命。该预测方法计算简单、通用性强,适用于实时预测。故障预测仿真实验与实例实验证明了方法的有效性与先进性。 展开更多
关键词 模拟电路 剩余有用寿命 健康度 皮尔逊相关系数 相关向量机 量子粒子群 Pearson product-moment correlation coefficient(PPMCC) relevance vector machine(rvm) quantum-behaved particle SWARM optimization(QPSO)
下载PDF
一种RVM模糊模型辨识方法及在故障预报中的应用 被引量:16
8
作者 胡昌华 王兆强 +1 位作者 周志杰 司小胜 《自动化学报》 EI CSCD 北大核心 2011年第4期503-512,共10页
对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型,通常难以建立精确的数学模型,相比之下构建其模糊模型是一个有效途径.本文研究了相关向量机(Relevance vector machine,RVM)与模糊推理系统(Fuzzy i... 对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型,通常难以建立精确的数学模型,相比之下构建其模糊模型是一个有效途径.本文研究了相关向量机(Relevance vector machine,RVM)与模糊推理系统(Fuzzy inference system,FIS)之间的内在联系,证明了基于RVM的FIS具有一致逼近性,并提出了一种基于RVM和梯度下降(Gradient descent,GD)算法的模糊模型辨识方法.基于所给出的模糊模型辨识方法提出了一种新的故障预报算法.仿真结果表明所建立的模糊模型不仅结构更加简单,而且能达到更高的预测精度,所提出的故障预报算法能准确地预报系统故障. 展开更多
关键词 故障预报 模糊模型 系统辨识 相关向量机
下载PDF
基于综合健康指数与RVM的系统级失效预测 被引量:6
9
作者 陈雄姿 于劲松 +1 位作者 陆文高 李行善 《系统工程与电子技术》 EI CSCD 北大核心 2015年第10期2298-2305,共8页
针对具有多维状态变量、多种工作模式和故障模式的复杂工程系统,提出一种基于综合健康指数(synthesized health index,SHI)与相关向量机(relevance vector machine,RVM)的系统级失效预测方法。在离线训练阶段,先根据有限失效历史数据建... 针对具有多维状态变量、多种工作模式和故障模式的复杂工程系统,提出一种基于综合健康指数(synthesized health index,SHI)与相关向量机(relevance vector machine,RVM)的系统级失效预测方法。在离线训练阶段,先根据有限失效历史数据建立各工作模式下的健康评估模型,并据此获得各历史退化轨迹的SHI序列;然后再使用RVM对这些序列进行回归处理,进而辨识出与回归曲线最为匹配的函数模型。在线预测阶段,先运用健康评估模型计算当前设备的SHI序列并进行RVM回归,再拟合出离线阶段确定的函数模型并添加时变噪声;最后,外推预测出系统剩余使用寿命的概率密度分布。该方法成功应用到涡轮发动机的失效预测案例。 展开更多
关键词 失效预测 综合健康指数 相关向量机 不确定性管理 SYNTHESIZED health index (SHI) relevance vector machine (rvm)
下载PDF
基于相空间RVM的轴承故障检测方法 被引量:18
10
作者 陶新民 徐晶 +1 位作者 杜宝祥 徐勇 《振动与冲击》 EI CSCD 北大核心 2008年第10期6-9,187,共4页
针对轴承故障检测问题,提出一种基于相关向量机(RVM)的故障检测方法。RVM算法基于贝叶斯估计理论,它产生的决策函数具有少数的相关向量,利用RVM算法松散特性,解决了支持向量机算法(SVM)计算复杂度高的不足。为进一步降低检测时间,以重... 针对轴承故障检测问题,提出一种基于相关向量机(RVM)的故障检测方法。RVM算法基于贝叶斯估计理论,它产生的决策函数具有少数的相关向量,利用RVM算法松散特性,解决了支持向量机算法(SVM)计算复杂度高的不足。为进一步降低检测时间,以重构相空间投影系数为轴承故障特征。试验最后同传统的SVM算法进行了比较,结果表明所建议的方法在保持较高检测率的同时,提高了故障检测的时效性。尤其检测时间从0.67 s降低了0.005 9 s(100倍)。因此,该方法非常适合于在线故障检测等实时性要求很高的领域。 展开更多
关键词 故障检测 相关向量机 相空间重构 支持向量机
下载PDF
基于Grouplet-RVM的金属断口图像识别方法研究 被引量:8
11
作者 李志农 孙熠 +2 位作者 闫敬文 龙盛蓉 杨艳春 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第6期1347-1353,共7页
Grouplet变换是一种基于图像几何流最佳稀疏表示的正交变换,可以最大限度地利用图像的几何特征。关联向量机具有很好的泛化能力,能对类别的归属给出一种概率度量。结合Grouplet变换和关联向量机的各自优点,提出了一种基于Grouplet-RVM... Grouplet变换是一种基于图像几何流最佳稀疏表示的正交变换,可以最大限度地利用图像的几何特征。关联向量机具有很好的泛化能力,能对类别的归属给出一种概率度量。结合Grouplet变换和关联向量机的各自优点,提出了一种基于Grouplet-RVM识别方法,提出的方法以Grouplet平均能量、Grouplet调和熵和Grouplet峭度为特征量,RVM为识别器,并成功地应用到金属断口图像识别中。实验结果表明,提出的方法是有效的,Grouplet峭度比Grouplet平均能量、Grouplet调和熵对断口图像的纹理变化更敏感,特别适于金属断口的特征提取。与小波-RVM识别方法相比较,提出的方法克服了小波-RVM识别方法只能获取图像有限的方向信息,取得了更高的识别率。和GroupletSVM识别方法相比较,Grouplet-RVM识别方法和Grouplet-SVM识别方法有同样好的识别率,然而,Grouplet-RVM的识别速度明显优于Grouplet-SVM识别方法,特别是随着训练样本的增加,这种优势越明显。 展开更多
关键词 Grouplet变换 关联向量机 特征提取 模式识别 金属断口
下载PDF
基于MVRVM回归和RVM二叉树分类的自确认气动执行器故障诊断算法 被引量:9
12
作者 冯志刚 王茹 田丰 《传感技术学报》 CAS CSCD 北大核心 2015年第6期842-849,共8页
为了解决自确认气动执行器的故障诊断问题,提出了一种基于多变量关联向量机(MVRVM)回归和关联向量机二叉树分类的气动执行器故障诊断方法,该方法利用多变量关联向量机回归建立气动执行器的正常模型,然后将实际输出与模型输出比较,产生... 为了解决自确认气动执行器的故障诊断问题,提出了一种基于多变量关联向量机(MVRVM)回归和关联向量机二叉树分类的气动执行器故障诊断方法,该方法利用多变量关联向量机回归建立气动执行器的正常模型,然后将实际输出与模型输出比较,产生残差作为气动执行器的非线性故障特征向量。以残差作为输入建立关联向量机二叉树多分类机,诊断气动执行器故障类型。利用DABLib生成的故障数据对所研究方法进行了验证,并与基于RVM一对一分类的故障诊断方法进行了比较,结果表明该方法是解决气动执行器故障诊断的小样本和非线性问题的一种有效方法。 展开更多
关键词 自确认气动执行器 关联向量机 多变量关联向量机回归 rvm二叉树分类 rvm一对一分类 故障诊断
下载PDF
混沌粒子群优化RVM的滚动轴承早期故障诊断 被引量:10
13
作者 陈法法 刘帅 +2 位作者 肖文荣 陈保家 杨勇 《电子测量与仪器学报》 CSCD 北大核心 2018年第8期9-16,共8页
为了提高相关向量机在滚动轴承早期故障诊断中的诊断精度,对相关向量机的早期故障输入特征以及相关向量机的参数优化方法进行了研究。首先,以美国Cincinnati大学实测的滚动轴承全寿命振动数据为基础,结合信息熵原理计算振动信号的归一... 为了提高相关向量机在滚动轴承早期故障诊断中的诊断精度,对相关向量机的早期故障输入特征以及相关向量机的参数优化方法进行了研究。首先,以美国Cincinnati大学实测的滚动轴承全寿命振动数据为基础,结合信息熵原理计算振动信号的归一化小波包频带能量及小波信息熵,根据特征参数时间序列的渐进变化趋势,构造相关向量机的早期故障输入样本;其次通过混沌粒子群算法优化相关向量机的核函数参数;最后,利用优化后的相关向量机模型实现对机械设备的早期故障诊断。实际轴承的故障诊断实验结果表明,方法提取的早期故障特征敏感性更好,优化的相关向量机早期故障的模式分类性能也大大提高,验证了该方法对早期故障诊断的有效性和优势。 展开更多
关键词 相关向量机 混沌粒子群 滚动轴承 早期故障
下载PDF
基于多特征融合与改进QPSO-RVM的万能式断路器故障振声诊断方法 被引量:26
14
作者 孙曙光 于晗 +2 位作者 杜太行 王景芹 赵黎媛 《电工技术学报》 EI CSCD 北大核心 2017年第19期107-117,共11页
为可靠地进行万能式断路器机械故障诊断,在基于振动信号故障诊断的基础上,提出了一种多特征融合与改进量子粒子群(QPSO)优化的相关向量机(RVM)相结合的万能式断路器分合闸故障振声诊断方法。首先,对振声信号进行小波包软硬阈值结合去噪... 为可靠地进行万能式断路器机械故障诊断,在基于振动信号故障诊断的基础上,提出了一种多特征融合与改进量子粒子群(QPSO)优化的相关向量机(RVM)相结合的万能式断路器分合闸故障振声诊断方法。首先,对振声信号进行小波包软硬阈值结合去噪预处理,并利用互补总体经验模态分解算法对处理后的振声信号进行分解,提取固有模态函数能量系数、样本熵、功率谱熵,并组成多特征参数;然后,通过组合核函数核主元分析对多特征参数降维,并将其特征融合组成特征向量作为RVM的输入,解决单一特征识别断路器分合闸故障的低准确率和低稳定性;最后,利用改进QPSO优化分类模型参数,建立基于RVM的次序二叉树模型对断路器故障进行辨识。实验结果表明,该方法能有效提升不同故障状态下诊断结果的可靠性。 展开更多
关键词 万能式断路器 故障诊断 振声特征融合 互补总体经验模态分解 改进量子粒子群相关向量机
下载PDF
RVM有监督特征提取与Seyfert光谱分类 被引量:4
15
作者 李乡儒 胡占义 +1 位作者 赵永恒 李晓明 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2009年第6期1702-1706,共5页
特征提取是光谱自动识别中的一个基本问题,它决定着光谱识别系统的性能和复杂度。目前的天体光谱自动分类研究主要使用的是基于以线性主成分分析(PCA)、小波变换(Wavelet transform)、人工神经网络(ANN)等为代表的非监督特征提取方法,... 特征提取是光谱自动识别中的一个基本问题,它决定着光谱识别系统的性能和复杂度。目前的天体光谱自动分类研究主要使用的是基于以线性主成分分析(PCA)、小波变换(Wavelet transform)、人工神经网络(ANN)等为代表的非监督特征提取方法,而它们在特征提取时没有考虑到训练数据中的类别信息,并非按照分类能力进行特征选择和降维。文章研究了相关向量机(RVM)有监督特征提取方法及其在Seyfert光谱细分类中的应用。RVM是机器学习领域在近几年提出的一种Bayesian学习方法,它能有效地融合已有的先验知识、对问题的信念、训练数据和相应的类别信息,并按照分类能力提取特征,在理论上具有很大的潜在优势。另外,初步的实验结果表明,基于RVM的有监督特征提取方法在Seyfert光谱细分类中具有较好的性能。 展开更多
关键词 Seyfert光谱分类 光谱特征提取 Bayesian学习 相关向量机
下载PDF
回采工作面瓦斯涌出量VMD-DE-RVM区间预测方法 被引量:13
16
作者 代巍 付华 +1 位作者 冀常鹏 王英杰 《中国安全科学学报》 CAS CSCD 北大核心 2018年第9期109-115,共7页
为有效、准确地预测回采工作面绝对瓦斯涌出量,基于变分模态分解(VMD)方法;差分进化(DE)算法和相关向量机(RVM)原理,提出回采工作面绝对瓦斯涌出量的VMD—DE-RVM区间预测方法;通过VMD方法将绝对瓦斯涌出量分解为若干固有模态分量并分析... 为有效、准确地预测回采工作面绝对瓦斯涌出量,基于变分模态分解(VMD)方法;差分进化(DE)算法和相关向量机(RVM)原理,提出回采工作面绝对瓦斯涌出量的VMD—DE-RVM区间预测方法;通过VMD方法将绝对瓦斯涌出量分解为若干固有模态分量并分析其局部特征,分别建立每个固有模态分量的RVM预测模型,并通过DE算法优化模型参数以提高预测精度;加权叠加各个分量的预测结果得到绝对瓦斯涌出量预测结果,并将其与经验模态分解方法所得结果对比。结果表明:应用该方法预测回采工作面瓦斯涌出量,能弱化瓦斯涌出量的局部特征,得到置信度为95%时涌出量预测区间有效度为100%,平均绝对误差为0.096m^3/min,平均相对误差为2.43%,预测精度有所提高。 展开更多
关键词 绝对瓦斯涌出量 区间预测 变分模态分解(VMD) 相关向量机(rvm) 差分进化(DE)算法
下载PDF
基于KPCA-RVM的土石坝沉降预测模型研究 被引量:4
17
作者 马春辉 杨杰 +2 位作者 程琳 李婷 陈容 《西北农林科技大学学报(自然科学版)》 CSCD 北大核心 2017年第1期211-217,共7页
【目的】针对土石坝坝体沉降存在多变量、强耦合、强干扰的复杂问题,建立基于KPCA-RVM的土石坝沉降预测模型。【方法】利用核主元分析(KPCA)对输入向量进行降维处理,以减少因子个数,随后利用相关向量机(RVM)模型对土石坝沉降进行预测,... 【目的】针对土石坝坝体沉降存在多变量、强耦合、强干扰的复杂问题,建立基于KPCA-RVM的土石坝沉降预测模型。【方法】利用核主元分析(KPCA)对输入向量进行降维处理,以减少因子个数,随后利用相关向量机(RVM)模型对土石坝沉降进行预测,并以平均相对误差为指标对预测精度进行评价。【结果】实例应用表明,KPCA-RVM模型将输入向量由14个降低到7个,预测结果的平均相对误差仅为0.9%,预测效果得到明显提升。【结论】利用KPCARVM模型对土石坝进行沉降预测,不仅可以减少输入向量个数,而且可以提高预测精度,可在实际工程中推广应用。 展开更多
关键词 土石坝 KPCA-rvm模型 沉降预测 核主元分析 相关向量机
下载PDF
基于M-DSSE和RVM的复杂装备健康状态预测 被引量:5
18
作者 邓力 徐廷学 +1 位作者 范庚 吴明辉 《计算机工程与设计》 CSCD 北大核心 2014年第11期3997-4002,4039,共7页
针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归... 针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归模型对装备的健康指数进行预测,实现对装备健康趋势的预知,为最终的预知维修提供重要技术支撑。在某航空机电设备上的应用结果表明,该方法可以有效解决复杂装备健康状态评估与预测的问题,结果与实际情况相吻合。 展开更多
关键词 健康指数 多距离形态相似度 相关向量机 状态评估 状态预测
下载PDF
基于PCA和RVM的电网供电可靠性预测模型研究 被引量:8
19
作者 刘亚南 卫志农 +3 位作者 钟淋涓 李志杰 孙国强 孙永辉 《电力系统保护与控制》 EI CSCD 北大核心 2012年第20期101-105,112,共6页
供电可靠性是评价电力系统供电能力的一个重要指标。根据电网运行的实际特点,采用相关向量机方法以电网供应能力和电网面临的自然灾害等因素作为模型的输入变量,以影响供电可靠性的电网故障停电时间作为模型的输出量,训练并建立电网可... 供电可靠性是评价电力系统供电能力的一个重要指标。根据电网运行的实际特点,采用相关向量机方法以电网供应能力和电网面临的自然灾害等因素作为模型的输入变量,以影响供电可靠性的电网故障停电时间作为模型的输出量,训练并建立电网可靠性预测模型。在模型的建立过程中,通过对相关向量机网络训练样本集进行主成分分析来改进样本的输入因子数,减少网络的输入数,简化网络结构,提高网络的精度。通过实例验证了该算法的有效性和适应性,为今后的供电可靠性预测提供一种新的方法。 展开更多
关键词 相关向量机 主成分分析 停电时间 供电可靠性 可靠性预测模型
下载PDF
基于排列熵与IFOA-RVM的汽轮机转子故障诊断 被引量:18
20
作者 石志标 陈斐 曹丽华 《振动与冲击》 EI CSCD 北大核心 2018年第5期79-84,113,共7页
为了提高汽轮机转子故障诊断的识别准确率和效率,提出基于排列熵与改进的果蝇算法(IFOA)优化相关向量机(RVM)的汽轮机转子故障诊断方法。将实验数据进行自适应完备的集合经验模态分解(CEEMDAN),并选取故障特征敏感的IMF分量计算排列熵,... 为了提高汽轮机转子故障诊断的识别准确率和效率,提出基于排列熵与改进的果蝇算法(IFOA)优化相关向量机(RVM)的汽轮机转子故障诊断方法。将实验数据进行自适应完备的集合经验模态分解(CEEMDAN),并选取故障特征敏感的IMF分量计算排列熵,以此构造特征样本集,进而建立"二叉树"IFOA-RVM故障分类器对特征集进行分类,其中IFOA通过两个阶段来定义果蝇群体的搜索范围来提高搜索效率,同时避免RVM核函数陷入局部最优。通过ZT-3汽轮机转子模拟试验台获得的故障数据进行实验研究,结果表明与模糊熵对比,排列熵获得的特征样本集的聚类效果明显;IFOA-RVM分类器在故障识别准确率和效率上优于FOA-RVM等其它分类器;证明了基于排列熵与IFOA-RVM汽轮机转子故障诊断方法的有效性和可行性。 展开更多
关键词 IFOA rvm 汽轮机转子 故障诊断
下载PDF
上一页 1 2 12 下一页 到第
使用帮助 返回顶部