-
题名基于粒子群优化决策树的齿轮箱故障诊断
被引量：13
- 1
-
-
作者
程珩
黄超勇
张永刚
-
机构
太原理工大学机械电子工程研究所
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2013年第1期153-156,172,共4页
-
基金
山西省自然科学基金资助项目(2011011026-3)
-
文摘
针对现有支持向量机(support vector machines,简称SVM)在构造多类分类器的过程中存在计算费时、搜索率不高的问题,提出了一种新的SVM决策树设计算法。引入具有优良的全局搜索性能的粒子群算法,将其应用于优化决策树,构造出一种自适应性强、识别率高的多元分类器,实现SVM的有效多值分类。将其结果应用于齿轮箱故障诊断中,试验结果证明改进后的SVM构造方法的有效性和准确性。
-
关键词
粒子群
决策树
支持向量机
故障诊断
-
Keywords
prticle sarm,dcision tree,support vector machines,fault diagnosis
-
分类号
TH165.3
[机械工程—机械制造及自动化]
-
-
题名基于GF-1/WFV时间序列的葡萄遥感识别
被引量：6
- 2
-
-
作者
赵希妮
璩向宁
王磊
刘雅清
许兴
-
机构
宁夏大学西北土地退化与生态系统恢复省部共建国家重点实验室培育基地
宁夏大学西北退化生态系统恢复与重建教育部重点实验室
南京大学国际地球系统科学研究所
-
出处
《河南农业科学》
北大核心
2019年第3期153-160,共8页
-
基金
宁夏自然科学基金项目(NZ16022)
宁夏高等学校科学研究重点项目(NGY2016010)
+1 种基金
国家自然科学基金项目(31760707)
国家重点研发计划项目(2016YFC0501307/4-04)
-
文摘
为研究GF-1时间序列影像的识别技术对大尺度葡萄信息识别提取的可行性,探索大尺度葡萄快速精确提取的新思路。基于GF-1/WFV时间序列影像数据分析试验区主要植被类型的归一化植被指数(Normalized difference vegetation index,NDVI)、增强型植被指数(Enhanced vegetation index,EVI)的时序变化特征,结合葡萄物候期构建决策树,提取宁夏贺兰山东麓葡萄的空间分布信息。结果表明,该方法可以有效提取贺兰山东麓葡萄分布信息,分类总体精度为95%,Kappa系数为0.91。葡萄提取的生产精度为93%,用户精度为96%。在时间序列数据中,葡萄提取的窗口期为3—5月掩埋期和7—9月生长旺盛期。NDVI时间序列能够较好地区分作物和防护林,EVI时间序列能够区分葡萄地和防护林。
-
关键词
葡萄
遥感提取
GF-1/WFV时序数据
决策树
贺兰山东麓
-
Keywords
Grape
Remote sensing extraction
GF-1/WFV timing data
dcision tree
The eastern foot of Helan mountain
-
分类号
S771.8
[农业科学—森林工程]
-
