检索结果-维普期刊中文期刊服务平台

融合切空间度量的判别相似自适应局部线性嵌入算法: 1; 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... 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... 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LCD-LLTSA的电动汽车电机轴承故障特征频率提取被引量：2: 3; 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... 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

局部切空间排列算法及其在人脸识别中的应用: 4; 作者冯海亮王丽李见为《沈阳建筑大学学报（自然科学版）》 CAS 北大核心 2009年第3期595-599,共5页; 目的探索基于流形学习的人脸识别方法,将流形学习中的局部切空间排列算法(LT-SA)应用于人脸识别.方法利用样本点领域的切空间表示局部的几何性质,将局部切空间排列起来构造流形的全局坐标;用高斯核近似映射关系;在降维空间中用线性判别... 展开更多; 关键词流形学习局部切空间排列线性鉴别分析 LTSA+LDA算法; 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: 5; 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... 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

基于LTSA和联合指标的非高斯过程监控方法及应用被引量：7: 6; 作者杨正永王昕王振雷《化工学报》 EI CAS CSCD 北大核心 2015年第4期1370-1379,共10页; 很多实际工业过程数据都具有高维、非线性且不严格服从高斯分布等特点。为处理数据维数高且是高斯分布和非高斯分布的混合体等问题,实现高效的过程监控,提出了一种基于LTSA和联合指标的非高斯过程监控方法。首先采用局部切空间排列(LTSA... 展开更多; 关键词算法集成系统工程非线性非高斯联合指标局部切空间排列算法田纳西-伊斯曼过程; 在线阅读下载PDF 职称材料

基于LTSA-Greedy-SVDD的过程监控被引量：1: 7; 作者杨正永王昕王振雷《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2014年第3期343-348,共6页; 为解决实际工业过程中的非线性和非高斯问题,实现有效的过程监控,提出了一种基于局部切空间排列算法的过程监控方法。首先运用局部切空间排列算法对标准化后的正常样本数据提取出低维子流形以实现维数约减。之后利用Greedy方法提取特征... 展开更多; 关键词非线性局部切空间排列(LTSA)算法 Greedy方法支持向量数据描述; 在线阅读下载PDF 职称材料

题名融合切空间度量的判别相似自适应局部线性嵌入算法: 1; 作者刘庆强鲁翩; 机构东北石油大学电气信息工程学院; 出处《计算机应用》 CSCD 北大核心 2024年第S2期29-34,共6页; 基金海南省自然科学基金资助项目(623MS071)。; 文摘局部线性嵌入(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%。; 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; Keywords local linear Embedding(LLE)algorithm feature extraction dimension reduction tangent space metric adaptive neighborhood fault diagnosis; 分类号 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; 作者房立清吕岩张前图齐子元; 机构军械工程学院火炮工程系; 出处《振动与冲击》 EI CSCD 北大核心 2017年第13期189-194,237,共7页; 基金河北省自然科学基金(E2016506003); 文摘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。; 关键词故障诊断维数约简半监督邻域自适应 LLTSA; Keywords fault diagnosis dimension reduction semi-supervised neighborhood adaptive linear local tangent space algorithm （ LLTSA）; 分类号 TH113.1 [机械工程—机械设计及理论] TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于LCD-LLTSA的电动汽车电机轴承故障特征频率提取被引量：2: 3; 作者史素敏杨春长王斐; 机构商丘学院机械与电气信息学院 [ 陆军工程大学一系; 出处《计量学报》 CSCD 北大核心 2020年第10期1267-1272,共6页; 基金河北省自然科学基金(E2016506003)。; 文摘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。; 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; Keywords metrology rolling bearings fault diagnosis feature frequency local characteristic-scale decomposition linear local tangent space algorithm; 分类号 TB936 [机械工程—测试计量技术及仪器] TB973 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名局部切空间排列算法及其在人脸识别中的应用: 4; 作者冯海亮王丽李见为; 机构重庆大学光电技术及系统教育部重点实验室; 出处《沈阳建筑大学学报（自然科学版）》 CAS 北大核心 2009年第3期595-599,共5页; 基金国家自然科学基金项目(60574074) 重庆市自然基金项目(CSTC2006BB2152); 文摘目的探索基于流形学习的人脸识别方法,将流形学习中的局部切空间排列算法(LT-SA)应用于人脸识别.方法利用样本点领域的切空间表示局部的几何性质,将局部切空间排列起来构造流形的全局坐标;用高斯核近似映射关系;在降维空间中用线性判别分析技术(LDA)提取特征;使用最近邻分类器进行分类识别;在Yale和CMU PIE人脸数据库上进行仿真实验.结果实验表明在Yale数据库上LTSA+LDA算法比已有LLE+LDA方法、LLTSA方法平均识别率分别高7.22%、19.11%;在CMU PIE数据库上分别高3.71%、29.56%.结论笔者提出的LTSA+LDA算法能较为有效地将局部切空间排列算法应用于人脸识别,显著提高了识别率.; 关键词流形学习局部切空间排列线性鉴别分析 LTSA+LDA算法; Keywords manifold learning local tangent space arrangement linear discriminating analysis LTSA ＋ LDA algorithm; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于FFT和LLTSA的传动系统故障诊断研究被引量：7: 5; 作者陈晓刘秋菊王仲英; 机构郑州工程技术学院机电与车辆学院郑州工程技术学院信息工程学院河南经贸职业学院工程经济学院; 出处《机电工程》 CAS 北大核心 2022年第4期513-518,共6页; 基金河南省科技攻关项目(202102210156) 河南省高等学校重点科研项目(21A520045,22A880008) 郑州工程技术学院青年创新基金资助项目(QNCXJJ2019K7)。; 文摘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。; 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; Keywords mechanical transmission system fast Fourier transform(FFT) manifold learning linear local tangent space arrangement algorithm(LLTSA) intelligent classification; 分类号 TH132 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于LTSA和联合指标的非高斯过程监控方法及应用被引量：7: 6; 作者杨正永王昕王振雷; 机构化工过程先进控制和优化技术教育部重点实验室(华东理工大学) 上海交通大学电工与电子技术中心; 出处《化工学报》 EI CAS CSCD 北大核心 2015年第4期1370-1379,共10页; 基金国家自然科学基金项目(61134007) 国家高技术研究发展计划项目(2013AA040701) +3 种基金流程工业综合自动化国家重点实验室开放课题基金资助项目(PAL-N201404)~~; 文摘很多实际工业过程数据都具有高维、非线性且不严格服从高斯分布等特点。为处理数据维数高且是高斯分布和非高斯分布的混合体等问题,实现高效的过程监控,提出了一种基于LTSA和联合指标的非高斯过程监控方法。首先采用局部切空间排列(LTSA)算法从正常样本数据中提取低维子流形以实现维数约减;然后基于非高斯-高斯两步策略建立统计模型并得到非高斯统计量和高斯统计量,再对其进行加权得到新的统计量以实现对过程的监控;最后将该方法应用于田纳西-伊斯曼标准测试平台和实际乙烯裂解炉的过程监控,说明了所提方法的有效性。; 关键词算法集成系统工程非线性非高斯联合指标局部切空间排列算法田纳西-伊斯曼过程; Keywords algorithm integration process control non-linearity non-Gaussian combined index local tangent space alignment algorithm Tennessee Eastman process; 分类号 TP277 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于LTSA-Greedy-SVDD的过程监控被引量：1: 7; 作者杨正永王昕王振雷; 机构华东理工大学化工过程先进控制和优化技术教育部重点实验室上海交通大学电工与电子技术中心; 出处《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2014年第3期343-348,共6页; 基金国家自然科学基金(61134007) 国家863计划(2013AA040701) +3 种基金上海重点学科建设项目(B504) 流程工业综合自动化国家重点实验室开放课题基金; 文摘为解决实际工业过程中的非线性和非高斯问题,实现有效的过程监控,提出了一种基于局部切空间排列算法的过程监控方法。首先运用局部切空间排列算法对标准化后的正常样本数据提取出低维子流形以实现维数约减。之后利用Greedy方法提取特征样本以支持向量数据描述方法建立监控模型,最后采用相应统计量进行过程监控。以田纳西伊斯曼(TE)模型为仿真平台,仿真结果说明了该方法的有效性。; 关键词非线性局部切空间排列(LTSA)算法 Greedy方法支持向量数据描述; Keywords non-linearity local tangent space alignment （LTSA） algorithm Greedy method support vector data description （SVDD）; 分类号 TP277 [自动化与计算机技术—检测技术与自动化装置]; 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	融合切空间度量的判别相似自适应局部线性嵌入算法	刘庆强鲁翩	《计算机应用》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于半监督邻域自适应LLTSA算法的故障诊断	房立清吕岩张前图齐子元	《振动与冲击》 EI CSCD 北大核心	2017	9	在线阅读下载PDF 职称材料
3	基于LCD-LLTSA的电动汽车电机轴承故障特征频率提取	史素敏杨春长王斐	《计量学报》 CSCD 北大核心	2020	2	在线阅读下载PDF 职称材料
4	局部切空间排列算法及其在人脸识别中的应用	冯海亮王丽李见为	《沈阳建筑大学学报（自然科学版）》 CAS 北大核心	2009	0	在线阅读下载PDF 职称材料
5	基于FFT和LLTSA的传动系统故障诊断研究	陈晓刘秋菊王仲英	《机电工程》 CAS 北大核心	2022	7	在线阅读下载PDF 职称材料
6	基于LTSA和联合指标的非高斯过程监控方法及应用	杨正永王昕王振雷	《化工学报》 EI CAS CSCD 北大核心	2015	7	在线阅读下载PDF 职称材料
7	基于LTSA-Greedy-SVDD的过程监控	杨正永王昕王振雷	《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心	2014	1	在线阅读下载PDF 职称材料