論文介紹了船用柴油機(jī)故障診斷的重要性,為了在原有的傳統(tǒng)診斷方法上進(jìn)行改進(jìn),文章引進(jìn)了數(shù)據(jù)挖掘的概念。在基于Spark平臺(tái)的計(jì)算框架內(nèi),采用Spark系統(tǒng)集成的隨機(jī)森林函數(shù)庫(kù)對(duì)柴油機(jī)的運(yùn)行數(shù)據(jù)進(jìn)行了數(shù)據(jù)分析�？紤]到數(shù)據(jù)量的有限,論文采取了偽分布式布局,在Spark單機(jī)模式下完成了數(shù)據(jù)挖掘任務(wù)。實(shí)驗(yàn)結(jié)果表明,隨機(jī)森林模型對(duì)船用柴油機(jī)參數(shù)異常的分類(lèi)準(zhǔn)確率很高,能夠基本完成對(duì)船用柴油機(jī)故障的診斷。同時(shí),對(duì)隨機(jī)森林算法在該數(shù)據(jù)集上的參數(shù)設(shè)置進(jìn)行了優(yōu)選。

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
1 引言
2 決策樹(shù)和隨機(jī)森林算法
    2.1 決策樹(shù)
    2.2 隨機(jī)森林
    2.3 基于隨機(jī)森林算法的船用柴油機(jī)故障診斷步驟
3 實(shí)驗(yàn)及分析
    3.1 軟件環(huán)境
    3.2 實(shí)驗(yàn)過(guò)程
    3.3 實(shí)驗(yàn)結(jié)果及分析
4 結(jié)語(yǔ)



本文編號(hào)：3753197