作者:韩丛丛,赵洪亮,丁静静 单位:哈尔滨煤矿机械研究所 出版:《煤炭技术》2019年第05期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFMTJS2019050370 DOC编号:DOCMTJS2019050379 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于MPU6050传感器的包裹运动状态识别》PDF+DOC2018年第03期 单彬,毛丹辉,王勇 《便携心电传感器的心房肥大诊断研究》PDF+DOC2014年第09期 陶泳任,陈冠雄,沈海斌 《基于半监督学习的跌倒检测系统设计》PDF+DOC2016年第10期 李仲年,臧春华,杨刚,项嵘 《基于支持向量机的多目标分类和识别》PDF+DOC2016年第09期 侯小丽,王建国,王佳丽 《基于特征选择加权支持向量机的运动模式识别》PDF+DOC2018年第09期 马语晗,赵辉 《一种结合SVM的颜色识别系统研究》PDF+DOC2012年第04期 王安敏,杨起 《乘员分类系统研究综述》PDF+DOC2011年第01期 朱红艳,舒少龙,林峰,黄志强 《基于支持向量机的张弦梁损伤识别试验》PDF+DOC2011年第01期 何浩祥,闫维明,张爱林,王卓 《一种新的重频调制类型自动化识别方法》PDF+DOC2014年第01期 李星雨,杨承志,曲文韬,张荣 《信息技术在中医脉诊中的应用》PDF+DOC2013年第34期 杜文锋
  • 针对管道泄漏声发射信号存在的非平稳性以及易受噪声干扰、特征不易提取的问题,提出基于SWT和NMF的管道泄漏声发射信号特征提取与判别方法,该方法首先利用同步压缩小波变换的方法提取管道流体泄漏声发射信号特征空间;其次,采用非负矩阵分解(NMF)对信号特征空间进行精简和优化,提炼出用于管道泄漏诊断和模式识别的特征向量;最后,采用支持向量机(SVM)对提取的特征向量进行模式识别和分类。实测结果表明,所提出的方法具有较高的分类准确率。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。