有监督LLTSA特征约简旋转机械故障诊断 被引量：11

1

作者 苏祖强 汤宝平 +1 位作者 邓蕾 尹爱军 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第8期1766-1771,共6页

线性局部切空间排列(LLTSA)为无监督特征约简方法,对多域故障特征集进行维数约简,会导致故障解耦不完全、故障间仍然存在混叠。针对这个问题,提出有监督线性局部切空间排列(S-LLTSA)特征约简方法,将类判别信息融入特征约简过程,实现了... 线性局部切空间排列(LLTSA)为无监督特征约简方法,对多域故障特征集进行维数约简,会导致故障解耦不完全、故障间仍然存在混叠。针对这个问题,提出有监督线性局部切空间排列(S-LLTSA)特征约简方法,将类判别信息融入特征约简过程,实现了数据集本征结构与类判别信息的有机结合,可提取出最优低维敏感故障特征向量;并通过自适应近邻分类器(ANNC)来构建故障特征向量与故障类别的对应关系。S-LLTSA特征约简有效地增加了故障特征的可辨识性,而ANNC具有优异的模式辨识能力,进一步提高了故障诊断的精度。齿轮箱故障模拟实验验证了提出的旋转机械故障诊断方法的有效性。 展开更多

关键词 旋转机械 故障诊断 维数约简 有监督线性局部切空间排列 自适应邻域分类器

在线阅读 下载PDF 职称材料

基于半监督邻域自适应LLTSA算法的故障诊断 被引量：9

2

作者 房立清 吕岩 +1 位作者 张前图 齐子元 《振动与冲击》 EI CSCD 北大核心 2017年第13期189-194,237,共7页

为了有效利用振动信号进行故障诊断,提出了一种基于半监督邻域自适应线性局部切空间排列(SSNALLTSA)算法的故障诊断方法。从多域提取振动信号的混合特征,构建原始高维特征集。利用半监督邻域自适应线性局部切空间排列算法对原始特征集... 为了有效利用振动信号进行故障诊断,提出了一种基于半监督邻域自适应线性局部切空间排列(SSNALLTSA)算法的故障诊断方法。从多域提取振动信号的混合特征,构建原始高维特征集。利用半监督邻域自适应线性局部切空间排列算法对原始特征集进行维数约简,提取出辨识性较高的敏感特征子集。将得到的低维特征输入SVM分类器进行识别,判断故障类型。液压泵故障诊断实验结果表明,该算法克服了LLTSA无监督和使用全局统一邻域参数的不足,可更有效地寻找数据的低维本质流形,提高了识别准确率,具有一定优势。 展开更多

关键词 故障诊断 维数约简 半监督 邻域自适应 lltsa

在线阅读 下载PDF 职称材料

基于邻域自适应LLTSA维数约简的故障诊断方法研究 被引量：3

3

作者 徐琼燕 吴印华 《机械强度》 CAS CSCD 北大核心 2018年第1期27-32,共6页

针对线性局部切空间排列(LLTSA)在进行故障特征降维时邻域大小难以确定的问题,提出了基于邻域自适应线性局部切空间排列(NA-LLTSA)维数约简的故障诊断方法。即首先从机械振动信号中全面提取出高维的混合故障特征集;其次采用基于Parzen... 针对线性局部切空间排列(LLTSA)在进行故障特征降维时邻域大小难以确定的问题,提出了基于邻域自适应线性局部切空间排列(NA-LLTSA)维数约简的故障诊断方法。即首先从机械振动信号中全面提取出高维的混合故障特征集;其次采用基于Parzen窗概率密度的邻域自适应线性局部切空间排列进行维数约简,获得低维特征;最后通过支持向量机(SVM)来建立低维特征与故障类别的对应关系,实现故障诊断。NA-LLTSA维数约简增强了故障特征的辨识能力,而SVM优异的模式识别能力能够进一步提高故障诊断精度。滚动轴承的故障诊断实例验证了所提故障诊断方法的有效性。 展开更多

关键词 故障诊断 维数约简 邻域自适应线性局部切空间排列 支持向量机

在线阅读 下载PDF 职称材料

基于LCD-LLTSA的电动汽车电机轴承故障特征频率提取 被引量：2

4

作者 史素敏 杨春长 王斐 《计量学报》 CSCD 北大核心 2020年第10期1267-1272,共6页

为有效提取出电动汽车电机轴承故障特征频率,将局部特征尺度分解、线性局部切空间排列和包络分析进行结合,用于电动汽车电机轴承的故障特征频率的提取。首先利用局部特征尺度分解对电动汽车电机轴承故障信号进行分解,得到若干个内禀尺... 为有效提取出电动汽车电机轴承故障特征频率,将局部特征尺度分解、线性局部切空间排列和包络分析进行结合,用于电动汽车电机轴承的故障特征频率的提取。首先利用局部特征尺度分解对电动汽车电机轴承故障信号进行分解,得到若干个内禀尺度分量;然后利用线性局部切空间排列对由内禀尺度分量构成的矩阵进行降维处理,得到低维矩阵并以此进行信号重构;最后对重构信号进行包络谱分析,获得故障特征频率。仿真信号和实验信号的实验结果验证了方法的有效性。 展开更多

关键词 计量学 滚动轴承 故障诊断 特征频率 局部特征尺度分解 线性局部切空间排列

在线阅读 下载PDF 职称材料

基于图像形状特征和LLTSA的故障诊断方法 被引量：12

5

作者 张前图 房立清 《振动与冲击》 EI CSCD 北大核心 2016年第9期172-177,共6页

针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的... 针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的角度初步提取出图像的形状特征;然后利用LLTSA对初步提取的特征进行维数约简以提取低维特征;最后采用支持向量机(SVM)对低维特征进行分类评估。滚动轴承的故障诊断实验表明图像形状特征能够表征轴承的状态,经LLTSA约简后特征数据的复杂度得到降低,且具有更好的聚类效果,而SVM对轴承4种状态的识别率也达到了100%,验证了该方法的有效性。 展开更多

关键词 SDP 形状特征 线性局部切空间排列 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于半监督LLTSA维数约简的故障诊断 被引量：2

6

作者 李磊 庞海 张前图 《机械强度》 CAS CSCD 北大核心 2017年第2期279-284,共6页

线性局部切空间排列(LLTSA)为无监督的维数约简方法,在对高维故障特征集进行维数约简时,不能利用部分样本的类别标签信息,使得获得的低维特征仍出现混叠的情况。针对这个问题,提出了半监督线性局部切空间排列(SS-LLTSA)的维数约简方法,... 线性局部切空间排列(LLTSA)为无监督的维数约简方法,在对高维故障特征集进行维数约简时,不能利用部分样本的类别标签信息,使得获得的低维特征仍出现混叠的情况。针对这个问题,提出了半监督线性局部切空间排列(SS-LLTSA)的维数约简方法,即利用部分标签信息来调整样本点与点之间的距离以形成新的距离矩阵,通过新的距离矩阵进行邻域构建,实现了数据本质流行结构和类别标签信息的结合,能够提取区分度更好的低维特征。此外,还通过支持向量机(SVM)来建立低维特征与故障类别的对应关系,实现故障诊断。SS-LLTSA维数约简增强了故障特征的辨识能力,而SVM优异的模式识别能力能够进一步提高故障诊断精度。滚动轴承的故障诊断实例验证了所提故障诊断方法的有效性。 展开更多

关键词 故障诊断 维数约简 半监督线性局部切空间排列 支持向量机

在线阅读 下载PDF 职称材料

基于FFT和LLTSA的传动系统故障诊断研究 被引量：7

7

作者 陈晓 刘秋菊 王仲英 《机电工程》 CAS 北大核心 2022年第4期513-518,共6页

在传统的故障诊断方法中,往往先要基于先验知识求取原始振动信号的特征,并将其输入到智能分类器中进行模式识别,其中容易出现信息丢失,且依靠人为经验进行判断不够准确,针对这一问题,提出了基于快速傅里叶变换(FFT)与流行学习联合的智... 在传统的故障诊断方法中,往往先要基于先验知识求取原始振动信号的特征,并将其输入到智能分类器中进行模式识别,其中容易出现信息丢失,且依靠人为经验进行判断不够准确,针对这一问题,提出了基于快速傅里叶变换(FFT)与流行学习联合的智能故障诊断模型。首先,采用FFT变换将原始数据从时域转换到频域,获得了高维特征数据;然后,使用3种流形学习算法,即多维尺度变换(MDS)、核主成分分析(KPCA)、线性局部切空间排列(LLTSA),获得了低维表征信息;最后,基于故障诊断试验平台系统,对轴承及齿轮工作数据信息进行了获取与处理,将其数据样本输入到智能分类器中,进行了训练和测试。研究结果表明:FFT降维变换可以有效地减少人为选择因素引起的样本衰减现象,同时最近邻域估计算法可以提高智能分类器的测试准确率,使得基于FFT与流行学习的联合智能分类模型对状态数据识别率在80%以上,其中FFT+LLTSA联合智能分类模型的识别率最高可达到87%以上;该结果可验证该分类模型在机械传动系统故障检测中具有的有效性。 展开更多

关键词 机械传动系统 快速傅里叶变换 流形学习 线性局部切空间排列 智能分类

在线阅读 下载PDF 职称材料

融合切空间度量的判别相似自适应局部线性嵌入算法

8

作者 刘庆强 鲁翩 《计算机应用》 CSCD 北大核心 2024年第S2期29-34,共6页

局部线性嵌入(LLE)算法是一种经典的流形降维算法,具有良好的特征提取能力,在故障诊断领域应用广泛。然而,LLE算法固有的缺陷例如对邻域参数选择敏感、挖掘的结构单一等问题,使得它在实际应用中提取的特征存在判别能力较差的问题。为此... 局部线性嵌入(LLE)算法是一种经典的流形降维算法,具有良好的特征提取能力,在故障诊断领域应用广泛。然而,LLE算法固有的缺陷例如对邻域参数选择敏感、挖掘的结构单一等问题,使得它在实际应用中提取的特征存在判别能力较差的问题。为此,提出判别相似性和切空间自适应邻域的局部线性嵌入(DSTANLLE)算法,并将它用于轴承故障诊断。首先使用融合切空间的新度量方式评估样本之间的局部相似性,其次构造自适应邻域图为每个样本点选择邻居,最后加入判别相似信息以提取数据的判别结构。在2个人工合成数据集和2个轴承故障数据集上的实验结果表明,DSTANLLE算法可以提取数据中区分性显著的特征,且在轴承故障诊断应用中的总体识别精度(OA)最高可达100%。 展开更多

关键词 局部线性嵌入算法 特征提取 降维 切空间度量 自适应邻域 故障诊断

在线阅读 下载PDF 职称材料

基于线性局部切空间排列维数化简的故障诊断 被引量：35

9

作者 李锋 汤宝平 陈法法 《振动与冲击》 EI CSCD 北大核心 2012年第13期36-40,61,共6页

为实现旋转机械故障诊断方法的自动化、高精度及通用性,提出基于线性局部切空间排列(Linear LocalTangent Space Alignment,LLTSA)维数化简的故障诊断模型。首先结合经验模式分解(Empirical Mode Decomposition,EMD)和自回归(Autoregres... 为实现旋转机械故障诊断方法的自动化、高精度及通用性,提出基于线性局部切空间排列(Linear LocalTangent Space Alignment,LLTSA)维数化简的故障诊断模型。首先结合经验模式分解(Empirical Mode Decomposition,EMD)和自回归(Autoregression,AR)模型系数构造全面表征不同故障特性的混合域特征集,再利用LLTSA将高维混合域特征集化简为故障区分度更好的低维特征矢量,并输入到最近邻分类器(K-nearest Neighbors Classifier,KNNC)中进行故障模式识别。所提出的诊断模型充分融合混合域特征融合在故障特征的全面提取、LLTSA在信息的有效化简及KNNC在分类决策方面的优势,实现诊断方法的自动化、高识别率及较好的通用性。用深沟球轴承不同部位、不同程度故障诊断实例验证该模型的有效性。 展开更多

关键词 混合域特征融合 线性局部切空间排列 维数化简 最近邻分类器 故障诊断

在线阅读 下载PDF 职称材料

基于敏感特征选择与流形学习维数约简的故障诊断 被引量：42

10

作者 苏祖强 汤宝平 姚金宝 《振动与冲击》 EI CSCD 北大核心 2014年第3期70-75,共6页

针对故障诊断中特征集包含非敏感特征和维数过高的问题,提出基于特征选择(Feature Selection,FS)与流形学习维数约简的故障诊断方法。提出一种改进的核空间距离测度特征选择方法(Improved Kernel Distance Measurement Feature Selectio... 针对故障诊断中特征集包含非敏感特征和维数过高的问题,提出基于特征选择(Feature Selection,FS)与流形学习维数约简的故障诊断方法。提出一种改进的核空间距离测度特征选择方法(Improved Kernel Distance Measurement Feature Selection,IKDM-FS),在核空间中计算样本类间距离和类内散度,优选出使样本类间距大、类内散度小的特征,并根据特征的敏感程度对特征进行加权。通过线性局部切空间排列算法(Linear Local Tangent Space Alignment,LLTSA)对由敏感特征组成的特征子集进行特征融合,提取出对故障分类更加敏感的融合特征,并输入加权k最近邻分类器(Weighted k Nearest Neighbor Classifier,WKNNC)进行故障识别。WKNNC具有比k最近邻分类器(k Nearest Neighbor Classifier,KNNC)更加稳定的识别精度。最后,通过滚动轴承故障模拟实验验证了该方法的有效性。 展开更多

关键词 故障诊断 特征选择 改进的核空间距离测度 线性局部切空间排列 加权k最近邻分类器

在线阅读 下载PDF 职称材料

基于变分模态分解与流形学习的滚动轴承故障特征提取方法 被引量：26

11

作者 戚晓利 叶绪丹 +3 位作者 蔡江林 郑近德 潘紫微 张兴权 《振动与冲击》 EI CSCD 北大核心 2018年第23期133-140,共8页

提出了一种基于变分模态分解(VMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先利用VMD算法分解圆柱滚子轴承不同运行状态下的振动信号,通过求取瞬时频率均值并绘制特征曲线筛选出与原始信号最为相关的几个分量;... 提出了一种基于变分模态分解(VMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先利用VMD算法分解圆柱滚子轴承不同运行状态下的振动信号,通过求取瞬时频率均值并绘制特征曲线筛选出与原始信号最为相关的几个分量;然后,提取有效模态分量的时域指标和小波包频带分解能量所构成的频域指标,两者结合初步提取高维故障特征后,再应用LTSA对故障特征进行二次提取;最后输入到K-means分类器进行故障类型识别;通过对圆柱滚子轴承故障诊断的对比实验分析,发现:(1)与时频特征+LTSA、EMD+LTSA特征提取方法相比,VMD+LTSA方法在分类效果和识别精度上更具优势;(2) LTSA算法相比较于PCA、LPP、LE、ISOMAP和LLE这5种算法,其降维后的特征故障敏感性最好。研究结果表明所提出的方法在圆柱滚子轴承故障诊断方面具有一定的优越性。 展开更多

关键词 变分模态分解 流形学习 局部切空间排列算法 故障诊断 圆柱滚动轴承

在线阅读 下载PDF 职称材料

一种改进的局部切空间排列算法 被引量：36

12

作者 杨剑 李伏欣 王珏 《软件学报》 EI CSCD 北大核心 2005年第9期1584-1590,共7页

局部切空间排列算法(localtangentspacealignment,简称LTSA)是一种新的流形学习算法,能有效地学习出高维采样数据的低维嵌入坐标,但也存在一些不足,如不能处理样本数较大的样本集和新来的样本点.针对这些缺点,提出了一种基于划分的局部... 局部切空间排列算法(localtangentspacealignment,简称LTSA)是一种新的流形学习算法,能有效地学习出高维采样数据的低维嵌入坐标,但也存在一些不足,如不能处理样本数较大的样本集和新来的样本点.针对这些缺点,提出了一种基于划分的局部切空间排列算法(partitionallocaltangentspacealignment,简称PLTSA).它建立在VQPCA(vectorquantizationprincipalcomponentanalysis)算法和LTSA算法的基础上,利用X-均值算法把样本空间划分成一些相互有重叠的块,通过把样本点投影到它所在块的局部切空间上得到其局部低维坐标,对局部低维坐标施加平移、旋转、伸缩变换,求出整体低维坐标.PLTSA解决了VQPCA不能求出整体低维坐标和LTSA中大规模矩阵的特征值分解问题,且能够有效处理新来的样本点,这是很多流形学习算法所不能的.通过实验说明了PLTSA的有效性. 展开更多

关键词 维数约简 流形学习 主成分分析 局部主成分分析 局部切空间排列 X-均值

在线阅读 下载PDF 职称材料

基于改进局部切空间排列的流形学习算法 被引量：9

13

作者 杜春 邹焕新 +2 位作者 孙即祥 周石琳 赵晶晶 《电子与信息学报》 EI CSCD 北大核心 2014年第2期277-284,共8页

局部切空间排列是一种广受关注的流形学习算法,其具备实现简单、全局最优等特点,但其难以有效处理稀疏采样或非均匀分布的高维观测数据。针对这一问题,该文提出一种改进的局部切空间排列算法。首先,提出一种基于L1范数的局部切空间估计... 局部切空间排列是一种广受关注的流形学习算法,其具备实现简单、全局最优等特点,但其难以有效处理稀疏采样或非均匀分布的高维观测数据。针对这一问题,该文提出一种改进的局部切空间排列算法。首先,提出一种基于L1范数的局部切空间估计方法,由于同时考虑了距离和结构因素,该方法得到的切空间较主成分分析方法更为准确。其次,在坐标排列步骤为了减小排列误差,设计了一种基于流形结构的加权坐标排列方案,并给出了具体的求解方法。基于人造数据和真实数据的实验表明,该算法能够有效地处理稀疏和非均匀分布的流形数据。 展开更多

关键词 模式识别 流形学习 降维 局部切空间排列(LTSA) L1范数

在线阅读 下载PDF 职称材料

局部切空间排列和支持向量机的故障诊断模型 被引量：46

14

作者 万鹏 王红军 徐小力 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第12期2789-2795,共7页

提出了一种非线性流形学习和支持向量机的故障诊断模型。基于机电系统振动信号时域与频域的20个特征参数构建高维特征空间,利用局部切空间排列的非线性流形学习算法提取出隐藏其中的低维流形,网格搜索算法进行维数和邻域点参数的优化,... 提出了一种非线性流形学习和支持向量机的故障诊断模型。基于机电系统振动信号时域与频域的20个特征参数构建高维特征空间,利用局部切空间排列的非线性流形学习算法提取出隐藏其中的低维流形,网格搜索算法进行维数和邻域点参数的优化,实现高维相空间中局部邻域参数的自适应选取,获得机电系统的故障特征。利用K折交叉验证和一对一法构造支持向量机多类故障分类器,采用径向基核函数支持向量机进行机电系统的故障诊断。应用于转子试验台的3种故障状态的识别并与其他故障诊断方法进行分析比较,结果表明基于局部切空间排列和支持向量机的机电系统故障诊断模型诊断精度可达到96.6667%,可以有效提取故障的敏感特征并解决机电系统故障样本缺乏的问题。 展开更多

关键词 机电系统 故障诊断 局部切空间排列算法 支持向量机 网格搜索

在线阅读 下载PDF 职称材料

局部切空间排列算法用于轴承早期故障诊断 被引量：14

15

作者 杨庆 陈桂明 +1 位作者 何庆飞 刘鲭洁 《振动．测试与诊断》 EI CSCD 北大核心 2012年第5期831-835,867-868,共5页

提出了一种基于经验模态分解(EMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先,利用经验模态分解算法分解滚动轴承不同模式下的振动信号,得到各阶本征模态分量和残余分量,提取各分量中的幅域参数和频域参数组成... 提出了一种基于经验模态分解(EMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先,利用经验模态分解算法分解滚动轴承不同模式下的振动信号,得到各阶本征模态分量和残余分量,提取各分量中的幅域参数和频域参数组成原始特征参数集;然后,建立基于类别可分性测度的邻域参数k选取方法,运用局部切空间排列算法实现敏感特征提取;最后,应用该方法对滚动轴承不同状态下的振动数据进行特征提取和模式识别,对比分析改进后的局部切空间排列算法与主成分分析、核主元分析以及传统局部切空间排列算法的故障模式识别能力。分析结果表明,该方法提取的滚动轴承故障特征敏感性较好,提高了故障模式识别能力,实现了滚动轴承的早期故障诊断。 展开更多

关键词 特征提取 局部切空间排列算法 经验模态分解 模式识别 滚动轴承

在线阅读 下载PDF 职称材料

基于非线性流形学习的喘振监测技术研究 被引量：12

16

作者 张熠卓 徐光华 梁霖 《西安交通大学学报》 EI CAS CSCD 北大核心 2009年第7期44-48,共5页

为了提取压缩机喘振发作时表现出的非线性特性,引入了一种新的喘振特征提取方法.首先对原始信号进行多元统计分析,构造高维特征空间,然后利用局部切空间排列的流形学习方法提取出一维主流形,进而通过主流形几何结构的变化来反映系统的... 为了提取压缩机喘振发作时表现出的非线性特性,引入了一种新的喘振特征提取方法.首先对原始信号进行多元统计分析,构造高维特征空间,然后利用局部切空间排列的流形学习方法提取出一维主流形,进而通过主流形几何结构的变化来反映系统的非线性变化.分析结果表明,与相关积分方法相比,该方法可以提前1 s识别出喘振特征,并且能够降低误报率,因此在喘振监测中具有良好的应用前景. 展开更多

关键词 喘振 流形学习 局部切空间排列

在线阅读 下载PDF 职称材料

基于多故障流形的旋转机械故障诊断 被引量：9

17

作者 苏祖强 汤宝平 +1 位作者 赵明航 秦毅 《振动工程学报》 EI CSCD 北大核心 2015年第2期309-315,共7页

针对旋转机械不同故障可能分布于不同故障流形,提出了基于多故障流形的旋转机械故障诊断方法。该方法分别提取每一类故障对应的故障流形,并在多故障流形上进行新增样本的故障识别。针对所需解决的低维流形提取、流形内蕴维数选取和多故... 针对旋转机械不同故障可能分布于不同故障流形,提出了基于多故障流形的旋转机械故障诊断方法。该方法分别提取每一类故障对应的故障流形,并在多故障流形上进行新增样本的故障识别。针对所需解决的低维流形提取、流形内蕴维数选取和多故障流形上的故障识别问题,分别采用线性局部切空间排列算法和免疫遗传算法来进行低维故障流形提取和流形内蕴维数选取,并通过故障样本重构误差这一新的判别准则进行故障识别。齿轮箱故障模拟实验的结果验证了此方法的有效性。 展开更多

关键词 故障诊断 旋转机械 多故障流形 局部切空间排列算法

在线阅读 下载PDF 职称材料

基于改进距离的孤立点检测方法 被引量：12

18

作者 韦佳 彭宏 林毅申 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2008年第9期25-30,共6页

局部切空间排列(LTSA)算法是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.为了增强LTSA算法对孤立点的鲁棒性,文中提出了一种基于改进距离的孤立点检测方法.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不... 局部切空间排列(LTSA)算法是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.为了增强LTSA算法对孤立点的鲁棒性,文中提出了一种基于改进距离的孤立点检测方法.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均匀对孤立点检测算法的影响.实验结果表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,更好地挖掘数据集的本征特性,具有更好的数据可视化效果. 展开更多

关键词 数据预处理 孤立点检测 改进距离 流形学习 局部切空间排列

在线阅读 下载PDF 职称材料

基于局部切空间排列和K-最近邻分类器的转子故障诊断方法 被引量：16

19

作者 孙斌 刘立远 牛翀 《中国机械工程》 EI CAS CSCD 北大核心 2015年第1期74-78,共5页

为了解决大型机械设备故障数据难以准确快速提取的问题,提出了一种基于局部切空间排列(LTSA)和K-最近邻分类器的转子故障诊断模型。首先基于转子的振动信号构造一个高维多征兆矩阵,利用LTSA提取高维矩阵的低维特征向量,映射在可视空间里... 为了解决大型机械设备故障数据难以准确快速提取的问题,提出了一种基于局部切空间排列(LTSA)和K-最近邻分类器的转子故障诊断模型。首先基于转子的振动信号构造一个高维多征兆矩阵,利用LTSA提取高维矩阵的低维特征向量,映射在可视空间里;然后将提取的低维特征向量输入K-最近邻分类器进行故障模式识别。试验和数据降维仿真过程表明,该模型的准确度和快速性均优于LTSA和神经网络以及LTSA和支持向量机组成的故障诊断模型。 展开更多

关键词 局部切空间排列 K-最近邻分类器 模式识别 故障诊断

在线阅读 下载PDF 职称材料

流形学习中非线性维数约简方法概述 被引量：24

20

作者 黄启宏 刘钊 《计算机应用研究》 CSCD 北大核心 2007年第11期19-25,共7页

较为详细地回顾了流形学习中非线性维数约简方法,分析了它们各自的优势和不足。与传统的线性维数约简方法相比较,可以发现非线性高维数据的本质维数,有利于进行维数约简和数据分析。最后展望了流形学习中非线性维数方法的未来研究方向,... 较为详细地回顾了流形学习中非线性维数约简方法,分析了它们各自的优势和不足。与传统的线性维数约简方法相比较,可以发现非线性高维数据的本质维数,有利于进行维数约简和数据分析。最后展望了流形学习中非线性维数方法的未来研究方向,期望进一步拓展流形学习的应用领域。 展开更多

关键词 维数约简 流形学习 多维尺度 等距映射 拉普拉斯特征映射 局部线性嵌入 局部切空间排列

在线阅读 下载PDF 职称材料