论文部分内容阅读
机械状态监测中经常需要用非线性分类器对机械状态进行分类。概率神经网络是一种典型的非线性分类器。它与传统BP神经网络分类器相比，具有训练速度快，分类准确性高、稳定性好等优点。但是，概率神经网络分类器和其它神经网络分类器一样，存在分类准确性完全依赖现有训练样本的缺陷。当现有训练样本数量不足或机械设备出现了新的状态时，神经网络分类器就不能进行正确分类了，从而造成误报。因此，需要对神经网络分类器的分类结果进行检验。KS检验是一种非参数统计方法，它通过描述两个统计样本的相似性，可以有效的对分类结果进行检验，及时发现