[1]章悦,夏春明,谢佳智,刘爽.特征与分类算法在基于肌音信号的头部运动分类中的对比研究[J].数据采集与处理,2020,35(4):711-719.

[2]刘永斌,何清波,张平,孔凡让.基于SVM的旋转机械故障诊断方法[J].计算机工程,2012,38(5):233-235.

[3]崔建国,李忠海,张大千,王旭,韩志仁,曲学军.复杂性测度在肌电信号模式识别中的应用[J].计算机工程与应用,2006,42(11):195-197,217.

[4]张宇波.基于信号处理的声音模式识别过程及方法研究[J].计算机仿真,2004,21(9):134-137.

[5]孙文静,李士强.基于SVM的音频分类系统设计及实现[J].计算机科学,2010,37(12):209-210.

[6]伍吉瑶,王璐,程正南,陈永泽.基于LLE和SVM的手部动作识别方法[J].传感器与微系统,2016(8):4-7.

[7]黄越,臧冽,聂盼盼.一种混合分类方法的研究与改进[J].计算机技术与发展,2012(5).

[8]秦臻,赵建勇,严义.基于多值分类SVM的电梯交通模式识别[J].计算机工程,2011,37(9):201-203,206.

[9]武昊,席旭刚,罗志增.基于熵和PSO优化SVM的肌电信号跌倒识别[J].传感技术学报,2015,28(11):1586-1590.

[10]俞玉莲,郭世杰.基于支持向量机的多类音频分类[J].计算机应用与软件,2010,27(4):98-101.

[11]王立国,张晔,谷延锋.支持向量机多类目标分类器的结构简化研究[J].中国图象图形学报,2005,10(5):571-574.

[12]卢娜,安博文,李玉涟,卢学佳.基于时域特征的光纤安防系统信号识别算法[J].传感器与微系统,2017,36(4).

[13]模拟阅读脑-机接口异步化研究[J].计算机应用

[14]侯惠芳,刘素华.基于支持向量机的商业银行信用风险评估[J].计算机工程与应用,2004,40(31):176-178,192.

[15]空间相关性分析的符号数据分类方法[J].计算机科学与探索

[16]朱旻,李雪玲,李效来,葛运建.基于元学习和叠加法的双层支持向量机算法[J].模式识别与人工智能,2012(6):943-949.

[17]蒋恩超,傅攀,张思聪.小波包和GA-SVM在轴承故障诊断中的应用[J].计算机测量与控制,2017,25(10):7-10.

[18]刘本德,胡昌华.基于Volterra频域核辨识的非线性模拟电路故障诊断[J].控制与决策,2009,24(8).

[19]赵孝礼,赵荣珍.全局与局部判别信息融合的转子故障数据集降维方法研究[J].自动化学报,2017,43(4):560-567.

[20]高聪,李凡长,沈程.李群核学习算法研究[J].计算机科学与探索,2012(11):1026-1038.