摘要：相关向赶机（RVM）是一种基于稀疏Bayesian学习理论的新型机器学习方法，具有概率式输出、稀疏性强、参数设置简单、核函数选择灵活等优点，克服了人工神经网络（ANN）和支持向量机（SVM）等典型机器学习方法的诸多固有缺陷。文章从模型选择与优化、模型计算效率和模型鲁棒性改进3个方面综述了RVM的理论研究进展；总结了RVM在故障诊断与预测巾的应用研究现状；分析指出了当前研究中存在的问题，并讨论了基于RVM的故障诊断与预测技术的研究方向。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）