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
3
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
蛋白质相互作用预测的核最近邻算法
被引量：
2
1
作者
宋杰
《计算机应用研究》
CSCD
北大核心
2009年第11期4051-4053,共3页
利用一种新的核方法即核最近邻算法预测蛋白质相互作用,算法新颖、简洁,容易实现。实验结果表明,核最近邻算法的预测效果优于传统的最近邻算法及其他已有的预测方法,可以作为蛋白质相互作用预测的一个有效工具。
关键词
生物信息学
蛋白质相互作用
核最近邻算法
分类
在线阅读
下载PDF
职称材料
基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法
被引量：
6
2
作者
杨宇
曾鸣
程军圣
《振动工程学报》
EI
CSCD
北大核心
2013年第1期118-126,共9页
提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内...
提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内禀尺度分量(Intrinsic scale component,ISC),然后将这些ISC分量组成初始特征向量矩阵,再对该矩阵进行奇异值分解,提取奇异值作为故障特征向量并输入到KNNCH分类器,根据其输出结果来判断滚动轴承的工作状态和故障类型。LCD方法是一种新的自适应时频分析方法,非常适用于非平稳信号的处理,而KNNCH算法是一种基于核函数方法,并将凸包估计与最近邻分类思想相融合的模式识别算法,可直接应用于多类问题且需优化的参数只有核参数。实验分析结果表明,所提出的方法能有效地提取滚动轴承故障特征信息,而且在小样本的情况下仍能准确地对滚动轴承的工作状态和故障类型进行分类。同时,与支持向量机(Support vec-tor machine,SVM)算法的对比分析结果表明,KNNCH算法的分类性能的稳定性要高于SVM算法。
展开更多
关键词
滚动轴承
故障诊断
局部特征尺度分解
核
最近
邻
凸包分类
算法
奇异值分解
在线阅读
下载PDF
职称材料
基于LCD和KNNCH分类算法的齿轮故障诊断方法
被引量：
10
3
作者
曾鸣
杨宇
+1 位作者
郑近德
程军圣
《中国机械工程》
EI
CAS
CSCD
北大核心
2014年第15期2049-2054,共6页
提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根...
提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。
展开更多
关键词
局部特征尺度分解(LCD)
核
最近
邻
凸包(KNNCH)分类
算法
能量
齿轮
故障诊断
在线阅读
下载PDF
职称材料
题名
蛋白质相互作用预测的核最近邻算法
被引量：
2
1
作者
宋杰
机构
韶关学院数学与信息科学学院
出处
《计算机应用研究》
CSCD
北大核心
2009年第11期4051-4053,共3页
基金
国家自然科学基金资助项目(10571018)
广东省自然科学基金资助项目(7301275)
文摘
利用一种新的核方法即核最近邻算法预测蛋白质相互作用,算法新颖、简洁,容易实现。实验结果表明,核最近邻算法的预测效果优于传统的最近邻算法及其他已有的预测方法,可以作为蛋白质相互作用预测的一个有效工具。
关键词
生物信息学
蛋白质相互作用
核最近邻算法
分类
Keywords
hioinformatics
protein-protein interactions
kernel nearest neighbeur algorithm （ kernel NNA）
classification
分类号
TP392 [自动化与计算机技术—计算机应用技术]
Q617 [生物学—生物物理学]
在线阅读
下载PDF
职称材料
题名
基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法
被引量：
6
2
作者
杨宇
曾鸣
程军圣
机构
湖南大学汽车车身先进设计制造国家重点实验室
出处
《振动工程学报》
EI
CSCD
北大核心
2013年第1期118-126,共9页
基金
国家自然科学基金资助项目(51075131
51175158)
+2 种基金
湖南省自然科学基金资助项目(11JJ2026)
湖南大学汽车车身先进设计制造国家重点实验室自主研究课题(60870002)
中央高校基本科研业务费专项基金资助项目(531107040301)
文摘
提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内禀尺度分量(Intrinsic scale component,ISC),然后将这些ISC分量组成初始特征向量矩阵,再对该矩阵进行奇异值分解,提取奇异值作为故障特征向量并输入到KNNCH分类器,根据其输出结果来判断滚动轴承的工作状态和故障类型。LCD方法是一种新的自适应时频分析方法,非常适用于非平稳信号的处理,而KNNCH算法是一种基于核函数方法,并将凸包估计与最近邻分类思想相融合的模式识别算法,可直接应用于多类问题且需优化的参数只有核参数。实验分析结果表明,所提出的方法能有效地提取滚动轴承故障特征信息,而且在小样本的情况下仍能准确地对滚动轴承的工作状态和故障类型进行分类。同时,与支持向量机(Support vec-tor machine,SVM)算法的对比分析结果表明,KNNCH算法的分类性能的稳定性要高于SVM算法。
关键词
滚动轴承
故障诊断
局部特征尺度分解
核
最近
邻
凸包分类
算法
奇异值分解
Keywords
roller bearings
fault diagnosis
local characteristic-scale decomposition
kernel nearest neighbor convex hull classi-fication algorithm
singular value decomposition
分类号
TH165.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于LCD和KNNCH分类算法的齿轮故障诊断方法
被引量：
10
3
作者
曾鸣
杨宇
郑近德
程军圣
机构
湖南大学汽车车身先进设计制造国家重点实验室
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2014年第15期2049-2054,共6页
基金
国家自然科学基金资助项目(51075131
51175158)
+2 种基金
湖南省自然科学基金资助项目(11JJ2026)
湖南大学汽车车身先进设计制造国家重点实验室自主研究课题(60870002)
中央高校基本科研业务费专项资金资助项目(531107040301)
文摘
提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。
关键词
局部特征尺度分解(LCD)
核
最近
邻
凸包(KNNCH)分类
算法
能量
齿轮
故障诊断
Keywords
local characteristic-scale decomposition（LCD）
kernel nearest neighbor convex hull（KNNCH） classification algorithm
energy
gear
fault diagnosis
分类号
TH165 [机械工程—机械制造及自动化]
TN911 [电子电信—通信与信息系统]
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
蛋白质相互作用预测的核最近邻算法
宋杰
《计算机应用研究》
CSCD
北大核心
2009
2
在线阅读
下载PDF
职称材料
2
基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法
杨宇
曾鸣
程军圣
《振动工程学报》
EI
CSCD
北大核心
2013
6
在线阅读
下载PDF
职称材料
3
基于LCD和KNNCH分类算法的齿轮故障诊断方法
曾鸣
杨宇
郑近德
程军圣
《中国机械工程》
EI
CAS
CSCD
北大核心
2014
10
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
