本文關(guān)鍵詞：基于改進的有監(jiān)督正交鄰域保持嵌入的故障辨識

  更多相關(guān)文章： 故障辨識 特征降維 改進的有監(jiān)督正交鄰域保持嵌入 齒輪

【摘要】：正交鄰域保持嵌入(Orthogonal neighborhood preserving embedding,ONPE)是一種無監(jiān)督的特征降維方法,且使用的是全局統(tǒng)一的鄰域參數(shù),在對高維故障特征集進行特征降維時,不能利用樣本的類別標(biāo)簽信息和不能夠根據(jù)樣本空間分布的變化自適應(yīng)調(diào)整鄰域參數(shù),使獲得的低維特征仍出現(xiàn)混疊的情況。針對上述問題,提出了基于改進的有監(jiān)督正交鄰域保持嵌入(Improved supervised ONPE,IS-ONPE)特征降維的故障辨識方法。IS-ONPE利用樣本的標(biāo)簽信息來調(diào)整樣本點與點之間的距離以形成新的距離矩陣,通過新的距離矩陣進行鄰域構(gòu)建,同時利用局部集聚系數(shù)進行鄰域參數(shù)的自適應(yīng)調(diào)整,能夠獲得辨識度更高的低維特征。以低維特征作為支持向量機(Support Vector Machine,SVM)的輸入來實現(xiàn)故障辨識。齒輪的故障辨識結(jié)果表明,所提出的方法能夠提高故障辨識效果,具有一定優(yōu)勢。
【作者單位】： 江蘇信息職業(yè)技術(shù)學(xué)院物聯(lián)網(wǎng)工程學(xué)院;
【基金】：國家自然科學(xué)基金(60974016) 江蘇省自然科學(xué)基金(BK20131097) 江蘇高校品牌專業(yè)建設(shè)工程項目(PPZY2015C239)
【分類號】：TH17
【正文快照】： 0引言 正交鄰域保持嵌入[1](ONPE)作為流形學(xué)習(xí)算法的一種,可有效對高維數(shù)據(jù)集進行約簡,尤其是在多維故障特征集的特征降維中取得了不錯的降維效果,提高了故障診斷的精度,具有一定的優(yōu)勢[2-3]。然而,ONPE是一種無監(jiān)督特征降維方法,即在降維過程中完全沒有考慮類別信息,同時,O

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 孫磊;賈云獻;王衛(wèi)國;張英波;趙勁松;;基于粒子群優(yōu)化核獨立分量的特征降維算法及其應(yīng)用研究[J];河北科技大學(xué)學(xué)報;2013年01期

2 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 伍建軍;康耀紅;;關(guān)于文本分類中特征降維方式的研究[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 曹蘇群;基于模糊Fisher準(zhǔn)則的聚類與特征降維研究[D];江南大學(xué);2009年

2 孫偉;基于遷移學(xué)習(xí)的文本分類算法研究[D];中國礦業(yè)大學(xué)（北京）;2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 宋堅;量子化張量列分解及其在特征降維上的應(yīng)用[D];華東師范大學(xué);2016年

2 李泰輝;IG-NMF特征降維方法在入侵檢測中的應(yīng)用研究[D];吉林大學(xué);2016年

3 陳媛;基于相似度區(qū)分的聯(lián)機手寫梵音藏文特征降維方法研究[D];西北民族大學(xué);2016年

4 王飛;基于局部信息保持的特征降維方法研究[D];西安電子科技大學(xué);2014年

5 胡濤;基于依存關(guān)系的文本特征降維研究[D];西安電子科技大學(xué);2012年

6 閆曉波;基于統(tǒng)計量的特征降維的研究與應(yīng)用[D];江南大學(xué);2013年

7 任珂;模式分類中特征降維方法的研究[D];江南大學(xué);2009年

8 黃章益;基于語義的中文文本特征降維方法研究[D];西安電子科技大學(xué);2012年

9 付賽男;基于特征降維的場景分類方法研究[D];上海交通大學(xué);2013年

10 萬斌候;文本分類中的特征降維方法研究[D];重慶大學(xué);2012年

，

本文編號：1196192