等距映射和局部线性嵌入算法集成的转子故障数据集降维方法

发布时间：2021-05-18 16:47

　　经数据分析途径实现机器智能的故障决策引发出了关于故障数据集的降维问题。通过将等距映射算法（Isometric Mapping,ISOMAP）、局部线性嵌入（Locally Linear Embedding,LLE）算法的优缺点进行互补,提出一种适用于非线性数据集降维的核框架下等距映射与局部线性嵌入相结合的KISOMAPLLE算法。该算法能够同时满足全局距离保持性和局部结构保持能力的数据降维基本要求。用典型的人工数据集和转子故障数据集进行的降维验证结果表明,该算法能够继承ISOMAP、LLE两种算法的各自优良性能,具有能够显著提高典型非线性数据集分类精度的性能。 

【文章来源】：振动与冲击. 2017,36(06)北大核心EICSCD

【文章页数】：7 页

【文章目录】：
1 基本原理简介
    1.1 KISOMAP算法
    1.2 KLLE算法
    1.3 核框架的概念
2 核框架下ISOMAP与LLE的融合方法设计
3 实验结果及分析
    3.1 在人工数据集的应用及分析
    3.2 在转子故障诊断中的应用情况
        3.2.1 特征提取与数据降维
        3.2.2 实验分析
4 结论


【参考文献】：
期刊论文
[1]故障特征选择与特征信息融合的加权KPCA方法研究[J]. 张恒,赵荣珍.  振动与冲击. 2014(09)
[2]融合LLE和ISOMAP的非线性降维方法[J]. 张少龙,巩知乐,廖海斌.  计算机应用研究. 2014(01)
[3]基于熵带法与PSO优化的SVM转子故障诊断[J]. 霍天龙,赵荣珍,胡宝权.  振动.测试与诊断. 2011(03)

博士论文
[1]流形学习算法及其应用研究[D]. 雷迎科.中国科学技术大学 2011



本文编号：3194145