期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于t类加权核函数的主成分分析维度约简算法
被引量：
9
1
作者
刘文博
梁盛楠
董小刚
《统计与决策》
CSSCI
北大核心
2022年第9期52-56,共5页
目前众多数据具有高维度特点,含有大量与类别标签无关的特征。直接应用机器学习方法对其进行分类,不仅会消耗大量的时间,而且难以获得较好的分类性能。针对该问题,文章提出一种基于加权核主成分分析(WKPCA)的维度约简算法,依据核矩阵特...
目前众多数据具有高维度特点,含有大量与类别标签无关的特征。直接应用机器学习方法对其进行分类,不仅会消耗大量的时间,而且难以获得较好的分类性能。针对该问题,文章提出一种基于加权核主成分分析(WKPCA)的维度约简算法,依据核矩阵特征值构造核函数权重,将多个核函数进行组合加权,进而达到特征降维的目的;为了提高WKPCA的维度约简效率,构造了t类核函数并且给出了相应的理论证明;以支持向量机、随机森林和朴素贝叶斯为分类器,对6个真实的数据集进行试验分析,结果表明与全变量模型、线性主成分降维以及单个核函数降维相比,WKPCA维度约简算法可以有效提高目前主流机器学习方法的分类预测性能。
展开更多
关键词
加权核主成分分析
t类
核
函数
维度约简
核
函数权重
在线阅读
下载PDF
职称材料
故障特征选择与特征信息融合的加权KPCA方法研究
被引量：
17
2
作者
张恒
赵荣珍
《振动与冲击》
EI
CSCD
北大核心
2014年第9期89-93,121,共6页
针对旋转机械振动故障特征与故障类别间不完全对应问题,以双跨转子系统12个通道的故障信息集合为研究对象,提出一种基于加权核主成分分析的故障敏感特征集合提取方法。通过对每个通道的振动信号进行时域、频域、时频域的特征提取,得到...
针对旋转机械振动故障特征与故障类别间不完全对应问题,以双跨转子系统12个通道的故障信息集合为研究对象,提出一种基于加权核主成分分析的故障敏感特征集合提取方法。通过对每个通道的振动信号进行时域、频域、时频域的特征提取,得到一种描述双跨转子系统的原始故障特征集合。采用多准则特征选择方法对这种原始故障特征集合进行特征属性筛选,得到一种利于故障分类的敏感特征集合。对这12个通道的敏感特征集合进行信息融合处理,可得到一种多通道信息的融合特征向量,利用加权核主成分分析方法提取出融合特征向量中的核主成分。结果表明,这种核主成分能够显示出故障类别间的较显著差异,和具有较好的敏感特征子集寻优能力。该研究为解决好双跨转子系统的故障数据集的类别划分问题,提供了一种新途径。
展开更多
关键词
特征选择
特征信息融合
加权核主成分分析
故障诊断
在线阅读
下载PDF
职称材料
基于WKPCA与IEDO-XGBoost的变压器故障诊断方法研究
被引量：
1
3
作者
张容槟
徐耀松
牛元平
《电工电能新技术》
CSCD
北大核心
2024年第10期24-42,共19页
针对变压器故障的特点,将加权核主成分分析技术与IEDO-XGBoost相结合,提出了一种新的变压器故障诊断模型。该方法主要将溶解气体分析技术与无编码比值法相结合,获取变压器的故障特征,利用WKPCA对其进行降维处理,并将归一化处理后的故障...
针对变压器故障的特点,将加权核主成分分析技术与IEDO-XGBoost相结合,提出了一种新的变压器故障诊断模型。该方法主要将溶解气体分析技术与无编码比值法相结合,获取变压器的故障特征,利用WKPCA对其进行降维处理,并将归一化处理后的故障样本数据作为IEDO-XGBoost模型的输入,输出变压器故障诊断类型及其诊断准确率。选取20维变压器故障特征数据进行WKPCA降维处理,加快了模型的收敛速度;采用自适应正余弦策略和高斯变异策略对指数分布优化器算法进行改进,并用10个典型测试函数对改进后的指数分布优化算法性能进行了测试,结果表明改进后的指数分布优化算法具有更快的收敛速度和全局搜索能力。然后,利用改进的指数分布算法来确定XGBoost模型中的多个最优参数。仿真结果表明,该模型的诊断准确率为91.82%,分别比EDO-XGBoost、NGO-XGBoost、GJO-XGBoost、GWO-XGBoost和WOA-XGBoost故障诊断模型高2.73%、3.64%、5.46%、8.18%和10.91%,验证了本文所提方法能够有效提高变压器故障诊断性能。
展开更多
关键词
变压器
加权核主成分分析
故障诊断
溶解气体
分析
指数分布优化算法
极端梯度提升
在线阅读
下载PDF
职称材料
题名
基于t类加权核函数的主成分分析维度约简算法
被引量：
9
1
作者
刘文博
梁盛楠
董小刚
机构
黔南民族师范学院数学与统计学院
黔南州复杂系统与智能优化实验室
长春工业大学数学与统计学院
出处
《统计与决策》
CSSCI
北大核心
2022年第9期52-56,共5页
基金
国家自然科学基金面上项目(11571051)
贵州省教育厅青年科技人才成长项目(黔教合KY字[2019]200)
黔南民族师范学院高层次人才专项项目(qnsyrc201809)。
文摘
目前众多数据具有高维度特点,含有大量与类别标签无关的特征。直接应用机器学习方法对其进行分类,不仅会消耗大量的时间,而且难以获得较好的分类性能。针对该问题,文章提出一种基于加权核主成分分析(WKPCA)的维度约简算法,依据核矩阵特征值构造核函数权重,将多个核函数进行组合加权,进而达到特征降维的目的;为了提高WKPCA的维度约简效率,构造了t类核函数并且给出了相应的理论证明;以支持向量机、随机森林和朴素贝叶斯为分类器,对6个真实的数据集进行试验分析,结果表明与全变量模型、线性主成分降维以及单个核函数降维相比,WKPCA维度约简算法可以有效提高目前主流机器学习方法的分类预测性能。
关键词
加权核主成分分析
t类
核
函数
维度约简
核
函数权重
Keywords
weighted kernel principal component analysis
t-class kernel function
dimension reduction
weight of kernel function
分类号
O212.4 [理学—概率论与数理统计]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
故障特征选择与特征信息融合的加权KPCA方法研究
被引量：
17
2
作者
张恒
赵荣珍
机构
兰州理工大学数字制造技术与应用省部共建教育部重点实验室
兰州理工大学机电工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2014年第9期89-93,121,共6页
基金
国家自然科学基金项目(50875118
51165019)资助
文摘
针对旋转机械振动故障特征与故障类别间不完全对应问题,以双跨转子系统12个通道的故障信息集合为研究对象,提出一种基于加权核主成分分析的故障敏感特征集合提取方法。通过对每个通道的振动信号进行时域、频域、时频域的特征提取,得到一种描述双跨转子系统的原始故障特征集合。采用多准则特征选择方法对这种原始故障特征集合进行特征属性筛选,得到一种利于故障分类的敏感特征集合。对这12个通道的敏感特征集合进行信息融合处理,可得到一种多通道信息的融合特征向量,利用加权核主成分分析方法提取出融合特征向量中的核主成分。结果表明,这种核主成分能够显示出故障类别间的较显著差异,和具有较好的敏感特征子集寻优能力。该研究为解决好双跨转子系统的故障数据集的类别划分问题,提供了一种新途径。
关键词
特征选择
特征信息融合
加权核主成分分析
故障诊断
Keywords
feature selection
feature information fusion
fault diagnosis
分类号
TH133 [机械工程—机械制造及自动化]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于WKPCA与IEDO-XGBoost的变压器故障诊断方法研究
被引量：
1
3
作者
张容槟
徐耀松
牛元平
机构
辽宁工程技术大学电气与控制工程学院
出处
《电工电能新技术》
CSCD
北大核心
2024年第10期24-42,共19页
基金
国家自然科学基金项目(51974151)
辽宁省教育厅重点实验室项目(LJZS003)
+1 种基金
辽宁省教育厅辽宁省高等学校基本科研项目(LJ2017QL012)
辽宁省教育厅科技项目(LJ2019QL015)。
文摘
针对变压器故障的特点,将加权核主成分分析技术与IEDO-XGBoost相结合,提出了一种新的变压器故障诊断模型。该方法主要将溶解气体分析技术与无编码比值法相结合,获取变压器的故障特征,利用WKPCA对其进行降维处理,并将归一化处理后的故障样本数据作为IEDO-XGBoost模型的输入,输出变压器故障诊断类型及其诊断准确率。选取20维变压器故障特征数据进行WKPCA降维处理,加快了模型的收敛速度;采用自适应正余弦策略和高斯变异策略对指数分布优化器算法进行改进,并用10个典型测试函数对改进后的指数分布优化算法性能进行了测试,结果表明改进后的指数分布优化算法具有更快的收敛速度和全局搜索能力。然后,利用改进的指数分布算法来确定XGBoost模型中的多个最优参数。仿真结果表明,该模型的诊断准确率为91.82%,分别比EDO-XGBoost、NGO-XGBoost、GJO-XGBoost、GWO-XGBoost和WOA-XGBoost故障诊断模型高2.73%、3.64%、5.46%、8.18%和10.91%,验证了本文所提方法能够有效提高变压器故障诊断性能。
关键词
变压器
加权核主成分分析
故障诊断
溶解气体
分析
指数分布优化算法
极端梯度提升
Keywords
transformer
weighted kernel principal component analysis
fault diagnosis
dissolved gas analysis
exponential distribution optimization algorithm
extreme gradient boosting(XGBoost)
分类号
TM41 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于t类加权核函数的主成分分析维度约简算法
刘文博
梁盛楠
董小刚
《统计与决策》
CSSCI
北大核心
2022
9
在线阅读
下载PDF
职称材料
2
故障特征选择与特征信息融合的加权KPCA方法研究
张恒
赵荣珍
《振动与冲击》
EI
CSCD
北大核心
2014
17
在线阅读
下载PDF
职称材料
3
基于WKPCA与IEDO-XGBoost的变压器故障诊断方法研究
张容槟
徐耀松
牛元平
《电工电能新技术》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
