掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
復雜系統支持向量機建模與故障預報 版權信息
- ISBN：9787118100310
- 條形碼：9787118100310 ; 978-7-118-10031-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
復雜系統支持向量機建模與故障預報 本書特色
支持向量機是解決系統建模和數據驅動模式分析 問題的一種有效工具，是當前復雜系統故障預測及可 靠性評估領域的研究熱點，并在機器學習、模式識別 、回歸分析等方向得到了廣泛應用。蔡艷寧、汪洪橋 、葉雪梅所著的《復雜系統支持向量機建模與故障預 報》在介紹國內外故障預報方法的基礎上，重點闡述 了基于支持向量機的復雜系統建模和故障預報方法； 深入研究了基于無標定樣本的單類支持向量機故障預 報模型；提出了一種自適應動態無偏*小二乘支持向 量機故障預報模型；針對多輸入多輸出樣本，提出了 基于ε不敏感損失函數的多輸出支持向量回歸機模型 和多輸出*小二乘支持向量機模型，并將其用于預測 多輸入多輸出系統的故障；為衡量系統的異常程度， 提出了基于支持向量機概率密度估計模型的系統異常 程度衡量方法；在此基礎上闡述了數據驅動的復雜系 統故障預報方法的*新進展。 本書可供從事支持向量機相關專業科研的工程技 術人員學習參考，也可作為復雜系統建模、故障診斷 與預測等相關專業研究生的教材。
復雜系統支持向量機建模與故障預報 內容簡介
本書在介紹國內外故障預報方法的基礎上，重點闡述了基于支持向量機的故障預報方法；深入研究了基于無標定樣本的單類支持向量機故障預報模型；提出了一種自適應動態無偏*小二乘支持向量機故障預報模型；針對多輸入多輸出樣本，提出了基于ε不敏感損失函數的多輸出支持向量回歸機模型和多輸出*小二乘支持向量機模型；為了衡量系統的異常程度，提出了基于支持向量機概率密度估計模型的系統異常程度衡量方法；*后探討了復雜系統故障預報方面的*新研究進展。
復雜系統支持向量機建模與故障預報 目錄
第1章 緒論
1.1 引言
1.2 故障預報方法的研究現狀
1.2.1 模型驅動方法
1.2.2 數據驅動方法
1.2.3 定性知識驅動方法
1.3 基于支持向量機的故障預報方法的研究現狀
1.3.1 故障預報問題的特點
1.3.2 統計學習理論
1.3.3 支持向量機
1.3.4 研究現狀
1.4 本書的內容
第2章 基于支持向量預選取的one-class svm故障預報模型
2.1 引言
2.2 問題描述
2.3 one-class svm模型
2.3.1 超平面
2.3.2 超球體
2.4 支持向量預選取
2.4.1 超平面的支持向量預選取
2.4.2 超球體的支持向量預選取
2.4.3 確定選取樣本的個數
2.4.4 算法復雜度分析
2.5 故障預報算法步驟
2.6 仿真實例和結果分析
2.6.1 同心圓環樣本支持向量預選取
2.6.2 電機數據故障預報
2.7 本章小結
第3章 自適應動態無偏lssvm故障預報模型
3.1 引言
3.2 *小二乘支持向量機及在線算法
3.3 動態無偏*小二乘支持向量機
3.3.1 初始預測模型
3.3.2 增加樣本
3.3.3 消減樣本
3.4 自適應動態無偏*小二乘支持向量機
3.4.1 滑動時間窗長度的自適應選取
3.4.2 算法復雜度分析
3.5 仿真實例和結果分析
3.5.1 混沌時間序列預測
3.5.2 非線性系統在線預測跟蹤
3.5.3 二容水箱故障預報
3.6 本章小結
第4章 多輸出支持向量回歸機故障預報模型
4.1 引言
4.2 問題描述
4.3 支持向量回歸機
4.4 多輸出支持向量回歸機
4.4.1 線性模型
4.4.2 偏置求取算法
4.4.3 非線性模型
4.5 多輸出*小二乘支持向量機
4.5.1 模型設計
4.5.2 算法性質分析
4.6 仿真實例和結果分析
4.6.1 時間序列多步預測
4.6.2 多輸入多輸出系統故障預報
4.7 本章小結
第5章 支持向量機概率密度估計故障預報模型
5.1 引言
5.2 支持向量機概率密度估計
5.3 算法改進
5.3.1 單松弛因子支持向量機概率密度估計模型
5.3.2 單松弛因子多核支持向量機概率密度估計模型
5.3.3 非耦合數據合成概率密度估計
5.3.4 算法復雜度分析
5.3.5 仿真實例和結果分析
5.4 基于支持向量機概率密度估計的故障預報
5.4.1 問題描述
5.4.2 異常程度的衡量
5.4.3 仿真實例和結果分析
5.5 本章小結
第6章 基于支持向量機的慣性器件故障預報
6.1 引言
6.2 基于單維漂移數據的慣性器件故障預報
6.2.1 基于支持向量預選取one-class svm的故障預報
6.2.2 基于自適應動態無偏lssvm的故障預報
6.2.3 基于多輸出支持向量回歸機的故障預報
6.3 某慣性平臺系統故障預報
6.3.1 平臺系統漂移系數的求取
6.3.2 基于超球體模型的故障預報
6.4 本章小結
第7章 復雜系統故障預報新技術展望
7.1 全流程故障預報技術
7.2 多元時序驅動的故障預測和多核機器建模與學習相融合
7.3 多元數據驅動故障預報方法的*新進展
7.3.1 故障預測與可靠性評估方法的*新進展
7.3.2 數據驅動的基于核機器學習的故障預測與可靠性評估方法*新進展
7.4 多元數據驅動的復雜系統全流程故障預報方案設計
參考文獻
內容簡介
1.1 引言
1.2 故障預報方法的研究現狀
1.2.1 模型驅動方法
1.2.2 數據驅動方法
1.2.3 定性知識驅動方法
1.3 基于支持向量機的故障預報方法的研究現狀
1.3.1 故障預報問題的特點
1.3.2 統計學習理論
1.3.3 支持向量機
1.3.4 研究現狀
1.4 本書的內容
第2章 基于支持向量預選取的one-class svm故障預報模型
2.1 引言
2.2 問題描述
2.3 one-class svm模型
2.3.1 超平面
2.3.2 超球體
2.4 支持向量預選取
2.4.1 超平面的支持向量預選取
2.4.2 超球體的支持向量預選取
2.4.3 確定選取樣本的個數
2.4.4 算法復雜度分析
2.5 故障預報算法步驟
2.6 仿真實例和結果分析
2.6.1 同心圓環樣本支持向量預選取
2.6.2 電機數據故障預報
2.7 本章小結
第3章 自適應動態無偏lssvm故障預報模型
3.1 引言
3.2 *小二乘支持向量機及在線算法
3.3 動態無偏*小二乘支持向量機
3.3.1 初始預測模型
3.3.2 增加樣本
3.3.3 消減樣本
3.4 自適應動態無偏*小二乘支持向量機
3.4.1 滑動時間窗長度的自適應選取
3.4.2 算法復雜度分析
3.5 仿真實例和結果分析
3.5.1 混沌時間序列預測
3.5.2 非線性系統在線預測跟蹤
3.5.3 二容水箱故障預報
3.6 本章小結
第4章 多輸出支持向量回歸機故障預報模型
4.1 引言
4.2 問題描述
4.3 支持向量回歸機
4.4 多輸出支持向量回歸機
4.4.1 線性模型
4.4.2 偏置求取算法
4.4.3 非線性模型
4.5 多輸出*小二乘支持向量機
4.5.1 模型設計
4.5.2 算法性質分析
4.6 仿真實例和結果分析
4.6.1 時間序列多步預測
4.6.2 多輸入多輸出系統故障預報
4.7 本章小結
第5章 支持向量機概率密度估計故障預報模型
5.1 引言
5.2 支持向量機概率密度估計
5.3 算法改進
5.3.1 單松弛因子支持向量機概率密度估計模型
5.3.2 單松弛因子多核支持向量機概率密度估計模型
5.3.3 非耦合數據合成概率密度估計
5.3.4 算法復雜度分析
5.3.5 仿真實例和結果分析
5.4 基于支持向量機概率密度估計的故障預報
5.4.1 問題描述
5.4.2 異常程度的衡量
5.4.3 仿真實例和結果分析
5.5 本章小結
第6章 基于支持向量機的慣性器件故障預報
6.1 引言
6.2 基于單維漂移數據的慣性器件故障預報
6.2.1 基于支持向量預選取one-class svm的故障預報
6.2.2 基于自適應動態無偏lssvm的故障預報
6.2.3 基于多輸出支持向量回歸機的故障預報
6.3 某慣性平臺系統故障預報
6.3.1 平臺系統漂移系數的求取
6.3.2 基于超球體模型的故障預報
6.4 本章小結
第7章 復雜系統故障預報新技術展望
7.1 全流程故障預報技術
7.2 多元時序驅動的故障預測和多核機器建模與學習相融合
7.3 多元數據驅動故障預報方法的*新進展
7.3.1 故障預測與可靠性評估方法的*新進展
7.3.2 數據驅動的基于核機器學習的故障預測與可靠性評估方法*新進展
7.4 多元數據驅動的復雜系統全流程故障預報方案設計
參考文獻
內容簡介
展開全部
書友推薦
- >
羅庸西南聯大授課錄
- >
有舍有得是人生
- >
名家帶你讀魯迅:故事新編
- >
李白與唐代文化
- >
山海經
- >
煙與鏡
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
