返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 复杂系统支持向量机建模与故障预报 蔡艳宁,汪洪桥,叶雪梅 著 著作 专业科技 文轩网
  • 新华书店正版
    • 作者: 蔡艳宁,汪洪桥,叶雪梅 著著
    • 出版社: 国防工业出版社
    • 出版时间:2015-04-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 蔡艳宁,汪洪桥,叶雪梅 著著
    • 出版社:国防工业出版社
    • 出版时间:2015-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2015-04-01
    • 字数:202.00千字
    • 页数:133
    • 开本:32开
    • 装帧:平装
    • ISBN:9787118100310
    • 国别/地区:中国
    • 版权提供:国防工业出版社

    复杂系统支持向量机建模与故障预报

    作  者:蔡艳宁,汪洪桥,叶雪梅 著 著作
    定  价:58
    出 版 社:国防工业出版社
    出版日期:2015年04月01日
    页  数:133
    装  帧:平装
    ISBN:9787118100310
    主编推荐

    内容简介

    《复杂系统支持向量机建模与故障预报》在介绍靠前外故障预报方法的基础上,重点阐述了基于支持向量机的故障预报方法;深入研究了基于无标定样本的单类支持向量机故障预报模型;提出了一种自适应动态无偏很小二乘支持向量机故障预报模型;针对多输入多输出样本,提出了基于ε不敏感损失函数的多输出支持向量回归机模型和多输出很小二乘支持向量机模型;为了衡量系统的异常程度,提出了基于支持向量机概率密度估计模型的系统异常程度衡量方法;很后探讨了复杂系统故障预报方面的近期新研究进展。

    作者简介

    精彩内容

    目录
    第1章绪论
    1.1引言
    1.2故障预报方法的研究现状
    1.2.1模型驱动方法
    1.2.2数据驱动方法
    1.2.3定性知识驱动方法
    1.3基于支持向量机的故障预报方法的研究现状
    1.3.1故障预报问题的特点
    1.3.2统计学习理论
    1.3.3支持向量机
    1.3.4研究现状
    1.4本书的内容
    第2章基于支持向量预选取的one—clas SSVM
    故障预报模型
    2.1引言
    2.2问题描述
    2.3one—clas SSVM模型
    2.3.1超平面
    2.3.2超球体
    2.4支持向量预选取
    2.4.1超平面的支持向量预选取
    2.4.2超球体的支持向量预选取
    2.4.3确定选取样本的个数
    2.4.4算法复杂度分析
    2.5故障预报算法步骤
    2.6仿真实例和结果分析
    2.6.1同心圆环样本支持向量预选取
    2.6.2电机数据故障预报
    2.7本章小结
    第3章自适应动态无偏Ls SVM故障预报模型
    3.1引言
    3.2最小二乘支持向量机及在线算法
    3.3动态无偏最小二乘支持向量机
    3.3.1初始预测模型
    3.3.2增加样本
    3.3.3消减样本
    3.4自适应动态无偏最小二乘支持向量机
    3.4.1滑动时间窗长度的自适应选取
    3.4.2算法复杂度分析
    3.5仿真实例和结果分析
    3.5.1混沌时间序列预测
    3.5.2非线性系统在线预测跟踪
    3.5.3二容水箱故障预报
    3.6本章小结
    第4章多输出支持向量回归机故障预报模型
    4.1引言
    4.2问题描述
    4.3支持向量回归机
    4.4多输出支持向量回归机
    4.4.1线性模型
    4.4.2偏置求取算法
    4.4.3非线性模型
    4.5多输出最小二乘支持向量机
    4.5.1模型设计
    4.5.2算法性质分析
    4.6仿真实例和结果分析
    4.6.1时间序列多步预测
    4.6.2多输入多输出系统故障预报
    4.7本章小结
    第5章支持向量机概率密度估计故障预报模型
    5.1引言
    5.2支持向量机概率密度估计
    5.3算法改进
    5.3.1单松弛因子支持向量机概率密度估计模型
    5.3.2单松弛因子多核支持向量机概率密度估计模型
    5.3.3非耦合数据合成概率密度估计
    5.3.4算法复杂度分析
    5.3.5仿真实例和结果分析
    5.4基于支持向量机概率密度估计的故障预报
    5.4.1问题描述
    5.4.2异常程度的衡量
    5.4.3仿真实例和结果分析
    5.5本章小结
    第6章基于支持向量机的惯性器件故障预报
    6.1引言
    6.2基于单维漂移数据的惯性器件故障预报
    6.2.1基于支持向量预选取one—clas SSVM的故障预报
    6.2.2基于自适应动态无偏Ls SVM的故障预报
    6.2.3基于多输出支持向量回归机的故障预报
    6.3某惯性平台系统故障预报
    6.3.1平台系统漂移系数的求取
    6.3.2基于超球体模型的故障预报
    6.4本章小结
    第7章复杂系统故障预报新技术展望
    7.1全流程故障预报技术
    7.2多元时序驱动的故障预测和多核机器建模与学习相融合
    7.3多元数据驱动故障预报方法的近期新进展
    7.3.1故障预测与可靠性评估方法的近期新进展
    7.3.2数据驱动的基于核机器学习的故障预测与可靠性评估方法近期新进展
    7.4多元数据驱动的复杂系统全流程故障预报方案设计
    参考文献
    内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购