简介：提出了基于核主元分析（KPCA）和支持向量机（SVM）相结合的齿轮箱齿轮故障识别方法。采用振动信号初始特征空间的内积核函数,将初始特征空间中的非线性问题转换成高维特征空间中的线性问题。通过主元分析对映射到高维空间中的数据信息进行处理,得到初始特征的非线性主元,实现对高维特征参数进行降维。再结合SVM良好的分类能力,结果表明,KPCA和SVM相结合的分类性能在齿轮箱故障诊断方面有更好的效果。
简介：支持向量机是一种基于统计学理论学习的新颖的机器学习方法，该方法已广泛应用于解决分类和回归问题。提出一种基于时间序列的最小二乘支持向量机算法应用于电梯交通流的预测方法。仿真结果表明了这种预测方法的有效性。
简介：结合实际合作项目，探讨了上海地铁数字化监护管理系统的系统架构。即结合上海地铁安全保护区内项目管理过程中的实际需求，寻求适合上海地铁监护工作的新型数字化管理系统架构。从系统设计的角度，提出了基于ArcGIS技术的复合架构模式的解决方案。基于此系统架构模式，对上海地铁远程监护系统的系统基础架构、子系统架构、功能模块划分以及网络架构进行详细的设计和部署。
基于核主元分析和支持向量机相结合的齿轮箱齿轮故障识别方法
LS—SVM在电梯交通流预测中的应用
上海轨道交通数字化监护管理系统的设计
