典型文献
基于K最近邻分类算法的交换模块状态预测
文献摘要：
近年来,电子产品的故障诊断与故障预测主要采用健康管理与故障预测(PHM)技术,但要准确预测其健康状态还是很难.以此为出发点,构建交换模块的状态预测模型,首先对训练数据进行预处理和统计分析,通过相关性分析初步得到影响交换模块状态的特征参数,通过特征选择进一步确定特征,然后通过算法比较选择机器学习算法中的K最近邻分类算法,通过参数优化最终得到交换模块状态预测模型.采用该方法进行了应用验证,获得交换模块状态预测准确度为99.8％,达到了较好的预测效果和精度.
文献关键词：
机器学习;交换模块;K最近邻分类;相关性分析;预测准确度
中图分类号：
作者姓名：
刘士磊;陈卫卫
作者机构：
中国电子科技集团电子科学研究院
文献出处：
引用格式：
[1]刘士磊;陈卫卫-.基于K最近邻分类算法的交换模块状态预测)[J].信息技术与标准化,2022(11):25-29,39
A类：
B类：
最近邻分类算法,交换模块,模块状态,状态预测,电子产品,故障预测,PHM,但要,准确预测,健康状态,建交,训练数据,特征选择,算法比较,择机,机器学习算法,应用验证,预测准确度
AB值：
0.252521
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
