-
题名基于稀疏性非负矩阵分解和支持向量机的时频图像识别
被引量：16
- 1
-
-
作者
蔡蕾
朱永生
-
机构
西安交通大学现代设计及转子轴承系统教育部重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2009年第10期1272-1277,共6页
-
基金
国家高技术研究发展计划(863计划)(2006AA04Z420)
国家自然科学基金(50575179)资助~~
-
文摘
针对机械故障诊断领域对反映设备运行状态的图像识别困难以及选择和提取敏感特征困难的问题,将基于图像的机械设备运行状态判别问题当作图像的识别问题米处理,提出使用稀疏性非负矩阵分解(Sparse non-negative matrixfactorization,SNMF)和支持向量机(Support vector machine,SVM)对时频图像进行识别进而判断机器运行状态,从而避免特征的选择和提取.稀疏性非负矩阵分解在对时频图像进行大规模压缩的同时,能够很好地保留图像的隐含特征,从而大大减少自动识别时频图像的计算复杂度,并有效地提高支持向量机的识别精度.此外,奉文还对影响识别率的稀疏性非负矩阵分解的各参数进行了讨论.实验结果表明,该方法对时频处理方法依赖性低,在大多数情况下都能获得较传统方法高的识别率.
-
关键词
时频图像
稀疏性非负矩阵分解
支持向量机
模式识别
-
Keywords
Time-frequency spectra, sparse non-negative matrix factorization （SNMF）, support vector machine （SVM）, pattern recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稀疏性非负矩阵分解的滚动轴承复合故障诊断
被引量：6
- 2
-
-
作者
朱晓洁
-
机构
黄河科技学院职业技术学院
-
出处
《中国工程机械学报》
北大核心
2018年第6期553-558,共6页
-
文摘
将时频图像非负矩阵分解算法加以改进,提出时频图像稀疏性非负矩阵分解(SNMF)算法,并将其用于滚动轴承复合故障诊断.滚动轴承复合故障信号的双谱时频图中蕴含了丰富的故障信息,对双谱进行稀疏性非负矩阵分解分析,提取时频图的稀疏系数矩阵,将其分别作为训练及测试特征向量输入到支持向量数据描述(SVDD)算法,进而实现滚动轴承的3类复合故障类型(内圈外圈复合故障、滚动体外圈复合故障及外圈内圈滚动体复合故障)的正确分类.
-
关键词
双谱
稀疏性非负矩阵分解
滚动轴承
复合故障
故障诊断
-
Keywords
bispectrum
sparse no-negative matrix factorization
rolling element bearing
compound faults
fault diagnosis
-
分类号
TP206
[自动化与计算机技术—检测技术与自动化装置]
-
