基于GNA-XALO-SVM的柴油机装配质量异常模式识别方法.pdfVIP

下载本文档

0
0
约1.62万字
约 13页
2023-04-24 发布于北京
举报
版权申诉

基于GNA-XALO-SVM的柴油机装配质量异常模式识别方法.pdf

1、本文档共13页，其中可免费阅读12页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开一种基于GNA‑XALO‑SVM的柴油机装配质量异常模式识别方法，采用蒙特卡洛仿真装配间隙的6种模式数据，组成初始数据集矩阵Xn×m，对初始数据集矩阵Xn×m设置缺失值，获得含有缺失值的缺失数据集D：对缺失数据集D进行填补得到填补后的数据集Bn×m；利用主成分分析法对数据集Bn×m降维得到降维后的数据集P；基本蚁狮算法优化支持向量机的惩罚因子和核函数，得到优化后的惩罚因子和核函数以及优化后的支持向量机分类器；利用改进的灰色关联度分析法进行缺失值填补，提高相关性，使填补的数据更符合实际数

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113988713 A (43)申请公布日 2022.01.28 (21)申请号 202111411979.8 G06N 3/00 (2006.01) (22)申请日 20