作者:王子兰,杨瑞 单位:山东科技大学 出版:《山东科技大学学报(自然科学版)》2019年第05期 页数:9页  (PDF与DOC格式可能不同) PDF编号:PDFSDKY2019050130 DOC编号:DOCSDKY2019050139 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于随机森林的智能终端定位模型和算法》PDF+DOC2014年第19期 杨从亚,陈占伟,徐海峰 《粗糙集在无线传感器网络安全中的应用研究》PDF+DOC2015年第07期 陈晶 《鱼粉品质检测电子鼻传感器阵列的多特征数据融合优化》PDF+DOC2019年第12期 李培,牛智有,谭鹤群,张伟健,皇甫季璇 《基于改进ReliefF算法的哑铃动作识别》PDF+DOC2019年第32期 刘国平,王南星,周毅,汪文博,唐慜越 《基于卷积稀疏编码与多分类器融合的雷达HRRP目标识别方法》PDF+DOC2018年第11期 王彩云,胡允侃,李晓飞,魏文怡,赵焕玥 《智能手机传感器的人体行为识别技术》PDF+DOC2020年第01期 艾达,王倩,樊炜鑫,郝瑞,刘颖 《基于小波变换和LS-SVM的雷达故障诊断》PDF+DOC2013年第02期 涂望明,宋执环,陈运涛,魏友国,周晶晶 《基于统计学习预测技术提高传感器稳定度》PDF+DOC2008年第09期 林继鹏,刘君华 《支持向量机回归预测在网络故障检测中的应用》PDF+DOC2014年第S1期 孟洛明,朱杰辉,杨杨,孟玲莉,张平平,高志鹏 《基于改进MDLP算法和分子布朗运动优化的传感器节点故障诊断》PDF+DOC2013年第12期 韩小祥,王雪梅
  • 针对单一的分类器用于旋转机械故障诊断时存在准确率不高的问题,提出一种基于随机森林算法的旋转机械齿轮组故障诊断方法。该方法利用随机森林多分类器组合决策树的思想,通过多分类器的组合学习提高故障诊断的准确率,并在风力涡轮动力传动系统故障诊断模拟器系统上进行了多工况多故障的实验验证。首先,收集多工况、多故障的齿轮传感器信号,提取传感器信号的时域特征作为随机森林的输入特征量。然后,利用构建好的随机森林模型进行齿轮组的故障诊断,并将随机森林算法的分类结果与支持向量机方法的分类结果进行对比。通过对故障诊断结果的分析,随机森林算法避免了复杂的寻参过程和传统分类器的过拟合现象,能够处理大规模数据集,通过分类器的组合,提高了故障诊断准确率,并缩短了分类模型的预测时间,具有较好的应用前景。

    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。