最后分别采用支持向量机(SVM)、主元分析法-支持向量机(PCA-SVM)和小波包能量特征向量-支持向量机(WPEE-SVM)进行故障分类。综合比较分类精度和速度表明,PCA-SVM是最佳诊断算法。
基于28个网页-相关网页
和主元分析和支持向量机模型(PCA-SVM)白勺识别效果比较,具有特定白勺优越性。(4)针对切削加工过程中白勺颤振发生时白勺小样本数据,建立了基于支持向量机和隐马尔可夫模...
基于6个网页-相关网页
为了提高电信客户流失预测精度,提出一种基于主成份分析（PCA）支持向量机（SVM）的电信客户流失预测方法（PCA-SVM）。首先利用主成分分析对原始数据进行特征降维,消除冗余,然后将得到的主成分作为非线性支持向量机的输入进行学习建模。
基于6个网页-相关网页
This paper investigates the segmentation of multi-target image based on SVM approach combining feature extraction of kernel PCA.
实验结果表明，结合核主成份分析的特征提取，支持向量机方法是一种很有前景的多目标图像分割技术。
In the end, for the extracted features, we used PCA for dimension reduction and SVM for recognition.
最后对于所提取的特征利用PCA降维后送入支持向量机中分类。
应用推荐