《表2 4种时域特征：成长鸡群优化RBF神经网络的亚健康诊断模型》
提示：宽带有限、当前游客访问压缩模式
选取0负载中正常数据、3种设备状态数据对其降噪处理．由于时域特征参数多，数据经过特征选取得到高维度的特征向量，所以选取四种典型的时域特征参数，如表2所示．
| 图表编号 | XD00175956400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.01 |
| 作者 | 郭炜儒、邱存月、张大波、王彦捷、张利 |
| 绘制单位 | 辽宁大学信息学院、辽宁大学信息学院、辽宁大学信息学院、辽宁大学信息学院、辽宁大学信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 基于小波分析与RBF神经网络的刮板链故障诊断模型仿真结果》2021.01.01
- 《表1 特征数据集变量：耦合遗传算法与RBF神经网络的PM_(2.5)浓度预测模型》2020.02.20
- 《表5 准确率和时间对比：成长鸡群优化RBF神经网络的亚健康诊断模型》2020.05.01
- 《表1 驱动轴承数据：成长鸡群优化RBF神经网络的亚健康诊断模型》2020.05.01
- 《表1 测试样本期望输出：基于PSO优化RBF神经网络的往复式压缩机故障诊断》2020.06.25
- 《表1 时域特征量：大型机泵健康监测与诊断系统设计与应用》2020.04.15
- 《表4 时域特征：基于机匣信号的滚动轴承故障卷积神经网络诊断方法》2019.12.01
- 《表4 时域特征：基于机匣信号的滚动轴承故障卷积神经网络诊断方法》2019.12.01
- 《表4 两种方法结果比较：基于模糊RBF神经网络的高压断路器机构故障诊断》2019.10.16
- 《表2 仿真诊断结果：基于自适应遗传优化RBF神经网络的船舶柴油机故障诊断》2019.07.01
- 《表5 优化结果对比：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表3 主成分分析表：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表1 因子水平设计：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表1 拟合预测结果：基于稳健估计的正则化RBF网络拟合模型优化》2019.06.01
- 《表2 时域特征参数：面向机械故障智能诊断神经网络优化与识别方法研究》2019.04.01
- 《表1 RBF、Elman和BP 3种神经网络模型结果比较》2019.02.01
- 《表5 改进PSO优化RBF神经网络的诊断结果Table 5 Diagnosis results of improved PSO-optimized RBF neural network》2018.09.01
- 《表3 基于粒子群优化的RBF神经网络诊断结果Tab.3Diagnosis resultsof RBF neural network based on particle swarm optimization》2018.03.25
- 《表4 原始RBF神经网络诊断结果Tab.4Diagnosisresults of primitive RBF neural network》2018.03.25
- 《表1 基于RBF神经网络的高血压病痰湿壅盛证诊断模型自变量的重要性》2018.08.01