期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的铁路道岔故障识别
被引量：
2
1
作者
牛太冬
《河南科技》
2021年第6期33-35,共3页
道岔的正常运转是保证列车正常运行的必备条件,传统的道岔故障检测方法主要来源于人的工作经验,根据电流的非正常变化来判别道岔是否发生故障,消耗较多的人力资源与物力资源。为了提升资源的有效利用率,本文运用概率主成分分析法提取数...
道岔的正常运转是保证列车正常运行的必备条件,传统的道岔故障检测方法主要来源于人的工作经验,根据电流的非正常变化来判别道岔是否发生故障,消耗较多的人力资源与物力资源。为了提升资源的有效利用率,本文运用概率主成分分析法提取数据的主要特征,分别采用支持向量机模型和k近邻模型作为道岔故障分类器,然后使用十折交叉验证法作为模型的评价标准,以达到智能识别铁路道岔故障的目的。
展开更多
关键词
概率主成分分析
支持向量机
故障识别
K近邻法
在线阅读
下载PDF
职称材料
题名
基于机器学习的铁路道岔故障识别
被引量：
2
1
作者
牛太冬
机构
天津科技大学
出处
《河南科技》
2021年第6期33-35,共3页
文摘
道岔的正常运转是保证列车正常运行的必备条件,传统的道岔故障检测方法主要来源于人的工作经验,根据电流的非正常变化来判别道岔是否发生故障,消耗较多的人力资源与物力资源。为了提升资源的有效利用率,本文运用概率主成分分析法提取数据的主要特征,分别采用支持向量机模型和k近邻模型作为道岔故障分类器,然后使用十折交叉验证法作为模型的评价标准,以达到智能识别铁路道岔故障的目的。
关键词
概率主成分分析
支持向量机
故障识别
K近邻法
Keywords
probabilistic principal component analysis
support vector machine
fault identification
k-nearest neighbor method
分类号
U284.92 [交通运输工程—交通信息工程及控制]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的铁路道岔故障识别
牛太冬
《河南科技》
2021
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
