论文部分内容阅读
为克服传统磨粒识别分类器训练时需要大量特征样本的缺点，设计一种基于多元支持向量机（Multi—Support Vector Machine，Multi—SVM）的磨粒识别分类器。支持向量机（SVM）是一种新的机器学习方法，在小样本和高维二元分类方面有非常突出的优点。实验证明，依据此优点设计的多元支持向量机磨粒分类器模型，不仅可以在小样本情形下对模型进行快速训练，而且可以快速识别多种磨粒类型，同时识别率也比传统的神经网络方法有较大提高，从而达到了提高设备监测和故障诊断效率的目的。