机械设计与研究 ›› 2013, Vol. 29 ›› Issue (03): 88-91+100.doi: 10.13952/j.cnki.jofmdr.a3104
• 论文 • 上一篇 下一篇
杨嘉;卜宇君;金隼;
发布日期:
Published:
摘要： 为了提高发动机冷试检测的准确率,将支持向量数据描述应用于正常域设计。基于尾部关联性选择关联参数,针对数据的特点改进了SVDD参数优化方法,实现了SVDD边界形成算法,提出增量学习策略应对学习过程样本量巨大的问题。实例测试结果表明新型正常域降低了漏报率,并指出误报率将随着样本的引入降低并趋于稳定。
关键词: 支持向量数据描述, 尾部关联性, 增量学习
Key words: support vector data description, tail relevance, incremental learning
杨嘉;卜宇君;金隼;. 基于SVDD的发动机冷试多参数控制限设计[J]. 机械设计与研究, 2013, 29(03): 88-91+100.
0 / / 推荐
导出引用管理器 EndNote|Ris|BibTeX
链接本文: https://www.qk.sjtu.edu.cn/mdr/CN/10.13952/j.cnki.jofmdr.a3104
https://www.qk.sjtu.edu.cn/mdr/CN/Y2013/V29/I03/88
