[1]关山,石志标,刘炎.基于多特征融合的刀具磨损识别方法[J].振动、测试与诊断,2014,34(3):576-584.

[2]关山,康振兴,彭昶.基于云理论与LS-SVM的刀具磨损识别方法[J].振动、测试与诊断,2017,37(5):996-1003.

[3]李宏坤,马孝江.基于KPCA SVM的柴油机状态识别方法的研究[J].振动、测试与诊断,2009,29(1):42-45.

[4]崔建国,刘瑶,于明月,蒋丽英,王景霖,江秀红.基于KPCA与模糊积分的燃气轮机状态识别方法[J].振动、测试与诊断,2018,38(5):948-952.

[5]关山,闫丽红,彭昶.LS-SVM 回归算法在刀具磨损量预测中的应用[J].中国机械工程,2015(2).

[6]赵祥龙,陈捷,洪荣晶,潘裕斌.基于等距映射和最小二乘支持向量机的转盘轴承故障识别方法[J].轴承,2019(6).

[7]李威霖,傅攀,曹伟青.卡尔曼滤波修正LS-SVM的刀具磨损识别技术研究[J].机械科学与技术,2015,34(1).

[8]陈泽宇.基于谐波特征和GA-SVM的刀具状态监测[J].制造技术与机床,2012(6):146-149.

[9]刘文婧,陈肖洁.核极化的多核LSSVM及其在分类中的应用[J].机械设计与制造,2018(1).

[10]解庆,杨武,赵小强.基于KPCA与LS-SVM的化工过程故障诊断算法研究[J].工业仪表与自动化装置,2012(5):3-7.

[11]李绍成 左洪福.油液在线监测系统中磨粒识别技术研究[J].光学精密工程,2009,17(3):589-595.

[12]叶蔚,王时龙,雷松.支持向量机刀具磨损预测模型及MATLAB仿真[J].工具技术,2009,43(10):42-45.

[13]席剑辉,林 琳.声发射熵分析刀具磨损故障预测研究[J].机械设计与制造,2014(5):109-112.

[14]唐春霞,阳春华,桂卫华,朱红求.基于KPCA-LSSVM的硅锰合金熔炼过程炉渣碱度预测研究[J].仪器仪表学报,2010,31(3).

[15]黄水霞,张广明,邱春玲,黄凯.基于KPCA和SVM的电梯故障诊断系统[J].机械设计与制造,2010(1).

[16]李绍成,左洪福,张艳彬.油液在线监测系统中的磨粒识别[J].光学精密工程,2009,17(3).

[17]邵麦顿,武超,葛运旺.LCD—GA—LSSVM集成分类器及其在齿轮故障诊断中的应用研究[J].机械传动,2014(11).

[18]王超.冷轧过程断带故障的诊断研究[J].仪表技术,2014(9):16-20.

[19]李爱,陈果,侯民利.航空发动机油样光谱分析的PSO-LSSVM组合预测方法[J].机械科学与技术,2013,32(1):120-125.

[20]许永辉,陈寅生,张铭.MOS传感器阵列的二元混合气体检测方法研究[J].仪器仪表学报,2018(5).