文献

J-GLOBAL ID：201302213941490741   整理番号：13A1473400

NMFに基づくSVM故障診断方法

SVM fault diagnosis method based on NMF

著者 (4件)： Li Jianhong (School of Reliability and Systems Engineering, Beijing Univ. of Aeronautics and Astronautics, Beijing) ,  Jiang Tongmin (School of Reliability and Systems Engineering, Beijing Univ. of Aeronautics and Astronautics, Beijing) ,  He Yuzhu (School of Instrument Sci. and Opto-electronics Engineering, Beijing Univ. of Aeronautics and Astronautics, Beijing) ,  Jiang Jueyi (School of Instrument Sci. and Opto-electronics Engineering, Beijing Univ. of Aeronautics and Astronautics, Beijing)
資料名： Beijing Hangkong Hangtian Daxue Xuebao  (Beijing Hangkong Hangtian Daxue Xuebao)
巻： 38  号： 12  ページ： 1639-1643  発行年： 2012年 
JST資料番号： C2402A  ISSN： 1001-5965  CODEN： BHHDE8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 故障特徴抽出の困難さを克服し,大規模故障診断システムにおける故障特徴分類の低能率を解決するために,負でない行列の因数分解(NMF)故障診断に基づくサポートベクトルマシン(SVM)のアルゴリズムを研究した。それは,直接の特徴選択と抽出を避けて,特性的次元を減少するために,高次元なデータ特性モードの分類速度と精度を向上させる。NMF無作為性を避けるために,訓練サンプルの係数行列により,故障サンプルの次元縮退特性を計算し,NMF分解時間の規模の整合性を確実にした。実験は,このアルゴリズムが故障特性の次元を減少することを示している。この方法は,実行効率と推定精度を強化する。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *故障診断 ,  生理活性因子 ,  サポートベクトルマシン ,  アルゴリズム ,  特徴抽出 ,  システム ,  特徴選択 ,  行列 ,  精度
準シソーラス用語： NMF ,  SVM ,  診断システム ,  係数行列 ,  推定精度

分類 (1件)： 飛しょう体の設計・構造  (QK04010H)

タイトルに関連する用語 (3件)： NMF ,  SVM ,  故障診断