摘要
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,及时发现概率神经网络的错误,减少误报。
The shortcoming of a probabilistic neural network is that its classifier accuracy depends on training samples.In the actual condition monitoring process of a machine,when available training samples are not enough or a new condition appears,the neural network classifier can not do correct classifications.Therefore,it is necessary to check its classified results.KS test is a non-parameter statistical method.Through describing the similarity between two samples,it can effectively check the classified results.With this method,the errors made by the probabilistic nearal network can be reduced evidently in the machinery condifion monitoring.
出处
《振动与冲击》
EI
CSCD
北大核心
2008年第4期56-57,62,共3页
Journal of Vibration and Shock
基金
国家重点基础研究发展计划(2005CB724101)
国家自然科学基金项目(50575087)
国家自然科学基金项目(50675076)
关键词
概率神经网络
KS检验
状态监测
probabilistic neural network
KS test
condition monitoring
