原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
小样本下基于贝叶斯概率学习的机床加工异常监测方法，包括如下步骤，步骤A，采集机床加工过程中的振动信；步骤B，特征提取；步骤C，特征样本分别建立训练集和测试集；步骤D，对训练集数据样本进行概率估计；步骤E:构建多分类SVDD模型；步骤F，求解步骤五所构建的多分类模型；步骤G，对超球体模型进行概率假设；步骤H，对步骤G假设的模型进行求解；步骤I，将算法集成到“友机技术”机床监测平台，实时监测加工过程中的全过程。本发明提高了异常检测精度和泛化能力，有效的避免了随机噪声干扰，进一步提升了异常检测精度；通
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117272024A
(43)申请公布日2023.12.22
(21)申请号202311240489.5
(22)申请日2023.09.25
(71)申请人友机技术（上海）
文档评论（0）