换一批基于改进K-SVM的防疫物资生产设备健康度识别方法研究
K-SVM-based health identification algorithm for manufacturing equipment of epidemic prevention materials
摘要目的:为有效识别防疫物资生产设备的工况,提出一种基于改进K-SVM的防疫物资生产设备健康度识别方法.方法:首先,通过K-means算法过滤掉部分不利于支持向量机(support vector machine,SVM)分类器样本训练的数据;其次,利用K-means算法及特征提取算法获取新的SVM分类器训练样本,并依据此样本训练SVM分类器;最后,利用训练好的SVM分类器对初始样本进行分类从而得到最终的预测结果.为验证改进K-SVM算法对设备健康度的识别性能,将该算法与SVM算法、未改进K-SVM算法、XGBoost算法进行对比实验.结果:改进K-SVM算法能较为准确地识别设备故障点,识别准确率为89.79％,优于SVM算法、未改进K-SVM算法和XGBoost算法.结论:提出的改进K-SVM算法能够较好地识别防疫物资生产设备健康度,对保证防疫物资生产设备的工作效率具有重要意义.
更多相关知识
关键词
防疫物资生产设备健康度识别K-means算法支持向量机epidemic prevention materialmanufacturing equipmenthealth identificationK-means clustering algorithmsupport vector machine
栏目名称
DOI
10.19745/j.1003-8868.2024067
发布时间
2024-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
重庆市教委科学技术研究计划重点项目（KJZD-K202012901）
- 浏览14
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
