论文部分内容阅读
通过建立VC维统计学习理论，利用数学建模，建立并划分最优超平面以取得支持向量来训练，选取并考虑相关的影响因子以此构建样本数据集，以期对柴油机故障实现精确的诊断；而对于非线性空间情况，可采用核函数的思想来转化为线性空间，以此降低算法的复杂度；通过与人工神经网络方法的比较，表明该方法具有运算速度快，泛化能力强等优点；支持向量机（SVM）可以较好解决柴油机故障诊断中的机器过学习、小样本、高维数、非线性等问题。