RS_SVM在装备维修费用预测中的应用

doi:10.3778/j.issn.1002-8331.2010.31.062

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 222-224.DOI: 10.3778/j.issn.1002-8331.2010.31.062

RS_SVM在装备维修费用预测中的应用

周辅疆^1，2，田伟峰¹，朱小冬¹

1.军械工程学院装备指挥与管理系，石家庄 050003
2.镇江船艇学院，江苏镇江 212003

收稿日期:2009-03-23 修回日期:2009-05-25 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 周辅疆

Applications of RS_SVM in equipment maintenance costs prediction

ZHOU Fu-jiang^1，2，TIAN Wei-feng¹，ZHU Xiao-dong¹

1.Department of Equipment Command & Management，Ordnance Engineering College，Shijiazhuang 050003，China
2.Zhenjiang Watercraft College of the PLA，Zhenjiang，Jiangsu 212003，China

Received:2009-03-23 Revised:2009-05-25 Online:2010-11-01 Published:2010-11-01
Contact: ZHOU Fu-jiang

摘要/Abstract

摘要： 在分析粗糙集和支持向量机原理及各自的优缺点基础上，提出将粗糙集与支持向量机相结合的方法，构建了基于粗糙集与支持向量机（RS-SVM）的预测模型，并将该模型应用于装备维修费用预测。以某装备维修费用为例进行实例验证，计算结果表明，这种方法比其他方法有更好的预测精度。

关键词: 粗糙集, 支持向量机, 装备维修费用, 预测

Abstract: Based on analyzing advantage and defect of the Rough Sets（RS） theory and Support Vector Machines（SVM），a minimum decision network combining RS and SVM in intelligence is brought forward.A kind of forecasting model based on RS-SVM is designed and applied on the prediction of equipment maintenance costs.An example of the prediction of equipment maintenance costs is given，and the result shows that the method can bring less error and better predicted precision compared with other methods.

Key words: Rough Sets（RS） theory, Support Vector Machines（SVM）, equipment maintenance costs, prediction

中图分类号:

TP181

周辅疆^1，2，田伟峰¹，朱小冬¹. RS_SVM在装备维修费用预测中的应用[J]. 计算机工程与应用, 2010, 46(31): 222-224.

ZHOU Fu-jiang^1，2，TIAN Wei-feng¹，ZHU Xiao-dong¹. Applications of RS_SVM in equipment maintenance costs prediction[J]. Computer Engineering and Applications, 2010, 46(31): 222-224.

[1]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[4]	常昊，陈晓雷，张爱华，李策，林冬梅. 嵌入改进SENet的卷积神经网络连续血压预测[J]. 计算机工程与应用, 2021, 57(7): 130-135.
[5]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[6]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[7]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[8]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[9]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[10]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[11]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.
[12]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[13]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[14]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[15]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.

RS_SVM在装备维修费用预测中的应用

Applications of RS_SVM in equipment maintenance costs prediction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics