基于支持向量机回归算法的飞机主油泵故障数预测

基于支持向量机回归算法的飞机主油泵故障数预测

对于飞机部件的故障数预测、可靠性评估、备件需求预测等通常采用样本数目趋于无穷大时的渐近理论,即传统统计学及神经网络理论等进行分析,但在航空维修保障领域,维修数据通常为小样本数据,这些方法存在着固有的算法缺陷. 统计学习理论是一种专门研究小样本情况下机器学习规律的理论,它不仅考虑了对渐进性能的要求,而且追求在现有有限信息的条件下得到最优结果.支持向量机(SVM)是基于统计学习理论的机器学习算法,它采用结构风险最小化原则,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力和抗噪声扰动能力.主要应用领域为模式识别、回归预测、概率密度函数估计等.目前,支持向量机算法及其应用尚在发展阶段.

作 者： 祝华远 赵经成 徐伟勤   作者单位： 海军航空工程学院青岛分院  刊 名： 航空维修与工程  PKU 英文刊名： AVIATION MAINTENANCE & ENGINEERING  年，卷(期)： 2007 ""(4)  分类号： V2  关键词：  

【基于支持向量机回归算法的飞机主油泵故障数预测】相关文章：

一种基于支持向量机回归的推荐算法04-26

基于支持向量机的红外成像跟踪算法04-27

基于HMLP参数的二肽logP值支持向量机预测模型04-26

支持向量机在机载设备故障诊断及预测中的应用研究04-26

基于最小二乘支持向量机的航空发动机故障远程诊断04-27

支持向量机用于液体火箭发动机的故障诊断04-26

支持向量机在飞机状态监控中的应用04-27

支持向量机及组合预测在蛋白质四级结构分类中的应用04-26

基于遗传算法的航空发动机机载模型支持向量机修正方法04-26

路面质量影响因素分析-支持向量机模型04-26