精度超九成
基于支持向量机的监督学习分类器，利用发动机运行数据对涡轮机械的退化类型进行准确分类，准确率超过90%。
Zain Ali, Shabbir · Swati, Raees Fida · Ahmad, Naseem · Zehra, Fatima · Saad Riffat, Qureshi · Khan, Abid Ali
Journal of the Brazilian Society of Mechanical Sciences and Engineering 2025
支持向量机采用一对一多分类策略，在多种数据集规模下均取得最高准确率，能够明确区分健康与退化状态，并识别具体的退化部件。
对比了三种不同规模的训练、验证和测试数据集，随机森林在小数据集上保持较高准确率，支持向量机在大数据集上优势明显，显示模型具有较好的泛化能力。
论文比较了不同算法的计算成本，为实际部署中在准确率和训练开销之间权衡提供了依据。