2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩66頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、信息融合已經(jīng)在模式識(shí)別等領(lǐng)域有了廣泛的應(yīng)用,DS證據(jù)理論是處理信息融合問(wèn)題的重要手段之一,但是DS證據(jù)理論在融合沖突信息時(shí)會(huì)產(chǎn)生悖論結(jié)果。為避免沖突信息融合時(shí)悖論結(jié)果的產(chǎn)生,國(guó)內(nèi)外研究者們因此提出了許多對(duì)DS證據(jù)理論的改進(jìn)方法。
  首先,本文以高速列車轉(zhuǎn)向架故障數(shù)據(jù)的特征集為研究基礎(chǔ)。使用不同的單一特征選擇方法會(huì)得到不同的特征排序,則單一特征選擇方法得到的結(jié)果存在沖突,因此提出了一種多準(zhǔn)則特征選擇方法MCF-fgoalattai

2、n。本文以基于多目標(biāo)優(yōu)化改進(jìn)的DS理論為融合方法,對(duì)四種不同單一準(zhǔn)則特征選擇方法進(jìn)行融合,構(gòu)成多準(zhǔn)則特征選擇方法MCF-fgoalattain。在軸承內(nèi)環(huán)退化故障數(shù)據(jù)及UCI標(biāo)準(zhǔn)數(shù)據(jù)集上應(yīng)用MCF-fgoalattain方法,并計(jì)算其穩(wěn)定性,驗(yàn)證了MCF-fgoalattain的有效性。然后將MCF-fgoalattain方法應(yīng)用到高速列車轉(zhuǎn)向架故障數(shù)據(jù)上特征集上,結(jié)果表明MCF-fgoalattain多準(zhǔn)則特征選擇方法穩(wěn)定地提高了故障

3、識(shí)別率。MCF-fgoalattain與四種單一準(zhǔn)則特征選擇方法對(duì)比的結(jié)果表明MCF-fgoalattain方法比單一準(zhǔn)則特征選擇方法更具優(yōu)勢(shì)。MCF-fgoalattain與其他多準(zhǔn)則特征特征選擇方法對(duì)比的結(jié)果表明,基于多目標(biāo)優(yōu)化改進(jìn)的DS理論能更好地處理單一準(zhǔn)則特征選擇方法間的沖突。
  其次,針對(duì)高速列車轉(zhuǎn)向架故障數(shù)據(jù),以MCF-fgoalattain方法對(duì)特征集進(jìn)行特征選擇后,本文提出了一種SVM與DS理論相結(jié)合的決策融合

4、方法以實(shí)現(xiàn)故障識(shí)別。將線性核函數(shù)SVM、RBF核函數(shù)SVM、多項(xiàng)式核函數(shù)SVM分類器的硬輸出通過(guò)映射函數(shù)轉(zhuǎn)化為概率輸出,并以上述三類分類器得出的混淆矩陣計(jì)算分類器對(duì)于不同類別目標(biāo)的識(shí)別可信度,根據(jù)概率輸出和可信度構(gòu)造概率賦值函數(shù),以DS理論融合規(guī)則融合概率賦值函數(shù)構(gòu)成決策融合方法。在軸承故障數(shù)據(jù)及UCI標(biāo)準(zhǔn)數(shù)據(jù)集上驗(yàn)證了決策融合方法的有效性后,將其應(yīng)用到經(jīng)過(guò)MCF-fgoalattain方法對(duì)高速列車轉(zhuǎn)向架故障數(shù)據(jù)特征選擇后的待分類樣本

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論