Scidown文献预览系统！
基于特征加权多核支持向量机的螺栓连接松动度预测( Prediction of bolted joint looseness based on feature weighted-multiple kernel support vector machine )
C Liu Y Zhu K Zhan S Guo K Liu
针对传统的理论诊断难以准确预测螺栓接头松动程度的问题，本文将支持向量机(SVM)方法用于解决这一问题。通过对螺栓接头松动机理的研究，采集汽车底盘紧固点的连接信息，建立了数据库。关键影响特征由信息增益值确定。标准SVM模型的平均预测精度为76.94%，优于理论诊断方法。为了实现优化，分别建立了特征加权支持向量机和多核函数支持向量机，其平均预测准确率分别为82.18%和84.19%。融合加权支持向量机（FW-MKL SVM）综合了两种加权优化支持向量机的优点。平均预测精度为94.5%，满足实际工程要求。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 从污水污泥热解/气化得到的焦的表面表征和染料吸附能力下载
scidown 一种重组共生细菌在咽部运输过程中引起异源抗原特异性免疫反应下载
scidown Hinweise auf einen sauerstof - anthracen - sandwichkcomplex .(法国下载