书馨卡帮你省薪 2024个人购书报告 2024中图网年度报告
欢迎光临中图网 请 | 注册
> >
基于核方法的故障诊断理论及其方法的研究

基于核方法的故障诊断理论及其方法的研究

出版社:北京大学出版社出版时间:2010-08-01
所属丛书: 燕园科技学术文库
开本: 16开 页数: 196
本类榜单:自然科学销量榜
中 图 价:¥25.9(7.4折) 定价  ¥35.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

基于核方法的故障诊断理论及其方法的研究 版权信息

  • ISBN:9787301173961
  • 条形码:9787301173961 ; 978-7-301-17396-1
  • 装帧:暂无
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

基于核方法的故障诊断理论及其方法的研究 本书特色

本书共分9章,主要内容是基于核的机器学习,第3、4、5章为非监督学习的单值支持向量机(svm)内容;第2章及第6、7章为监督学习的基于*小风险的svm系统部件故障诊断,基于svr模型预测以解决整体系统故障诊断;第8章核矩阵的逼近可以作为一种样本预处理技术,应用于基于核的机器学习算法。附录包括相关算法验证的实验平台及其开发的程序。
本书可作为自动化、信息、测控、机电一体化等学科的研究生教材,并可供相关专业技术人员参考使用。

基于核方法的故障诊断理论及其方法的研究 内容简介

本书的主要内容是基于核的机器学习的理论和方法研究及其应用,正文中所提出的和改进的学习算法属于基于核的机器学习范畴,且分别属于监督学习和非监督学习。其中第3、4、5章为非监督学习的单值的支持向量机(svr)内容;第2章及第6、7章为监督学习的基于*小风险的svm系统部件故障诊断,基于svr模型预测以解决整体系统故障诊断;第8章核矩阵的逼近可以作为一种样本预处理技术,应用于基于核的机器学习算法。本书对主要的方法均给出了理论证明,关键的算法配套有开发的程序(见附录)。
本书可供自动化、信息、测控、机电一体化等学科的研究生选用或参考,并可作为相关专业技术人员的参考书。

基于核方法的故障诊断理论及其方法的研究 目录

第1章 核方法及其研究基础
 1.1 核函数的定义
 1.2 正则化与表述定理
 1.3 几种核学习机
 1.4 核方法研究背景
 1.5 故障智能诊断中的机器学习
 1.6 核算法与故障诊断
 1.7 研究内容
第2章 基于*小风险的svm方法的研究
 2.1 引言
 2.2 支持向量机
 2.3 基于*小风险的svm研究
 2.4 仿真研究
 2.5 实验研究
 2.6 本章小结
展开全部

基于核方法的故障诊断理论及其方法的研究 节选

《基于核方法的故障诊断理论及其方法的研究》的主要内容是基于核的机器学习的理论和方法研究及其应用,正文中所提出的和改进的学习算法属于基于核的机器学习范畴,且分别属于监督学习和非监督学习。其中第3、4、5章为非监督学习的单值的支持向量机(SVR)内容;第2章及第6、7章为监督学习的基于*小风险的SVM系统部件故障诊断,基于SVR模型预测以解决整体系统故障诊断;第8章核矩阵的逼近可以作为一种样本预处理技术,应用于基于核的机器学习算法。《基于核方法的故障诊断理论及其方法的研究》对主要的方法均给出了理论证明,关键的算法配套有开发的程序(见附录)。《基于核方法的故障诊断理论及其方法的研究》可供自动化、信息、测控、机电一体化等学科的研究生选用或参考,并可作为相关专业技术人员的参考书。

基于核方法的故障诊断理论及其方法的研究 相关资料

插图:包括模式识别、人工神经网络等在内,现有机器学习方法共同的重要理论基础之一是统计学,传统统计学所研究的主要是渐进理论,即当样本数趋向于无穷大时的统计性质。但在故障诊断领域,特征知识的获取具有一定的约束,样本的数目往往是有限的,甚至是小样本的,故障与征兆之间常常呈现出本质非线性。因此,我们希望寻求一种学习方法,能够在有限的样本数据下尽可能地发现其中蕴含的知识。强调学习方法具有较强的推广能力,即对符合某规律,但没有学习过的样本也能给出合理的结论,这正是学习机器体现其智能性的最为重要的一个方面。虽然直到目前,人工神经网络仍是解决非线性问题的一个有力的工具,但它是一种经验非线性方法,这种方法利用已知样本建立非线性模型,但当样本数有限时,即使训练效果良好的一个算法结构也可能表现出很差的推广能力,即产生了所谓的“过学习”。Vapnik等人从20世纪60年代开始就致力于统计学习理论的研究,到20世纪90年代中期,随着其理论的不断发展和成熟,也由于人工神经网络等学习方法在理论上缺乏实质性进展,统计学习理论开始受到越来越广泛的重视。与传统统计学相比,SLT是一种专门研究小样本情况下机器学习规律的理论。该理论针对小样本统计问题建立了一套新的理论体系,在这种体系下的统计推理规则,不仅考虑了对渐近性能的要求,而且追求在现有有限信息的条件下得到最优结果。以支持向量机(SVM)为代表的核算法(机器)¨¨驯是近10年来机器学习领域最有影响力的成果之一,它是基于统计学习理论和核技术建立的。SVM包含4大技术:①大间隔思想或正则化技术,依据结构风险最小化原则,以获得较好的推广能力;②核技术,利用满足Mercer条件的核函数实现线性算法的非线性化;③凸优化技术,算法最终将转化成为标准的最优化问题或凸二次规划,从理论上说,得到的将是全局最优点;④稀疏对偶表示,结果得到可用于训练点和测试点求解的高效算法。这4大技术中最先得到研究人员青睐的是核技术,这是一种非常有效的设计非线性算法的数学手段。随后,很多研究人员利用核技术改造经典的线性算法,得到相应的基于核函数的非线性形式,简称为核算法或核机器。

基于核方法的故障诊断理论及其方法的研究 作者简介

杜京义,男,1965年12月出生,1987年于西安理工大学毕业获得工学学士学位,l999年于西安理工大学硕士毕业获得工学硕士学位,2007年于西安科技大学毕业获得安全技术与工程博士学位,现为西安科技大学教授,电控学院自动化系主任及国家特色专业——自动化专业带头人,同时兼任陕西省自动化学会副秘书长。主要研究方向为信号处理、智能控制安全技术与工程。发表学术论文40余篇,其中EI收录20余篇,出版专著及教材3部。主持完成多项科研项目,获省厅级科技进步奖3项。侯媛彬:女,1953年11月出生,1977年于西安交通大学本科毕业,1987年于西安科技大学硕士毕业获得工学硕士学位,1997年于西安交通大学博士毕业获得系统工程博士学位.现为西安科技大学教授、博士生导师,电控学院学科主任,兼任陕西省自动化学会教育委员会主任。主要研究方向为智能控制,安全技术与工程。发表学术论文100余篇,其中El收录40余篇,出版专著及教材11部。主持完成省厅级科研项目9项,获省厅级科技进步奖6项。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服