基于t-分布随机邻域嵌入融合最优多频带盒维数的牵引整流器故障诊断 被引量：1

1

作者 毛向德 董海鹰 梁金平 《电工技术学报》 北大核心 2025年第2期531-543,共13页

针对电力机车牵引变流器中故障率较高的牵引整流器,提出一种基于t-分布随机邻域嵌入(t-SNE)融合最优多频带盒维数特征的故障诊断方法。首先,在最优小波基函数的基础上,利用小波包分解牵引整流器在不同工况、不同运行模式下的故障信号,... 针对电力机车牵引变流器中故障率较高的牵引整流器,提出一种基于t-分布随机邻域嵌入(t-SNE)融合最优多频带盒维数特征的故障诊断方法。首先,在最优小波基函数的基础上,利用小波包分解牵引整流器在不同工况、不同运行模式下的故障信号,得到一系列的最优频带;其次,计算各频带系数的分形盒维数,作为高维故障特征;最后,采用t-SNE流形学习对高维特征进行融合,以减少特征之间的冲突和冗余,得到简单敏感的故障特征。结果表明:信噪比为30 dB时,15种故障模式的最终诊断结果为99.79%,对不同的信噪比仍有较高的准确率。与其他方法相比,所提方法对不同类型开关器件(绝缘栅双极晶体管和电力二极管)的开路故障具有较高的诊断率和较强的鲁棒性。 展开更多

关键词 牵引整流器 能熵比 分形盒维数 t-分布随机邻域嵌入 特征融合

在线阅读 下载PDF 职称材料

基于t-分布邻域嵌入的同调机群无监督识别 被引量：7

2

作者 王振浩 杜虹锦 +1 位作者 李国庆 张明泽 《电力系统保护与控制》 EI CSCD 北大核心 2018年第22期64-71,共8页

当系统发生严重级联故障导致失稳时,快速搜索同调机群是进行解列控制平息振荡的前提。针对发电机严重受扰后功角信号的非平稳、非线性的特点,以及需要根据经验人为决断同调分群类数的问题,提出一种基于t-分布邻域嵌入的同调机群无监督... 当系统发生严重级联故障导致失稳时,快速搜索同调机群是进行解列控制平息振荡的前提。针对发电机严重受扰后功角信号的非平稳、非线性的特点,以及需要根据经验人为决断同调分群类数的问题,提出一种基于t-分布邻域嵌入的同调机群无监督识别新方法。采用广域量测环境下发电机功角信号作为源数据,引入t-分布邻域嵌入算法将发电机功角信号进行建模并映射到二维子空间中。通过二维坐标下映射点之间的聚集程度衡量受扰动后发电机运行特性的相似性。随后利用仿射传播算法对发电机组进行无监督聚类分群。研究表明所提方法原理简单,易于解决实际问题。基于实测数据进行计算分析,可避免模型参数对分群的影响。通过2014年湖南省网73台发电机系统仿真,并与传统分群方法对比结果,验证了所提方法的有效性和快速性。 展开更多

关键词 t-分布邻域嵌入 无监督识别 同调识别 仿射传播 电力系统

在线阅读 下载PDF 职称材料

基于t分布随机邻域嵌入的阿尔茨海默症诊断模型 被引量：3

3

作者 成超 杨晨晖 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2017年第1期123-128,共6页

对大脑皮层厚度数据进行建模从而实现阿尔茨海默症的诊断.在训练样本少,数据复杂且非线性的情况下,相比于BP神经网络和k最近邻等算法,支持向量机算法表现出更优良的特性.针对支持向量机算法受数据高维度的影响,将t分布随机邻域嵌入算法... 对大脑皮层厚度数据进行建模从而实现阿尔茨海默症的诊断.在训练样本少,数据复杂且非线性的情况下,相比于BP神经网络和k最近邻等算法,支持向量机算法表现出更优良的特性.针对支持向量机算法受数据高维度的影响,将t分布随机邻域嵌入算法引入到支持向量机模型.t分布随机邻域嵌入算法既能撷取原始高维数据的局部信息,也能揭示全局结构.t分布随机邻域嵌入算法先将这些非线性数据降维到低维空间,支持向量机算法再将这数据映射到新的高维空间,通过寻找最佳分类超平面的方法,使分类效果达到最佳水平.最后将集成学习算法AdaBoost的思想融入模型,可以使模型的分类准确率得到提升,而且变得鲁棒性更强. 展开更多

关键词 支持向量机 t分布随机邻域嵌入 集成学习 阿尔茨海默症

在线阅读 下载PDF 职称材料

基于t分布随机邻域嵌入算法的工业过程故障分类 被引量：4

4

作者 陶飞 苗爱敏 +2 位作者 李鹏 曹敏 李维 《南京理工大学学报》 EI CAS CSCD 北大核心 2020年第3期332-339,共8页

针对在工业过程中数据普遍存在的非线性特性,基于数据的局部相关关系对分类的影响,提出一种基于t分布随机邻域嵌入(t-SNE)的数据特征提取和故障分类方法。利用t-SNE算法非线性、非参数降维的优势,与费舍判别分析(FDA)、支持向量机(SVM)... 针对在工业过程中数据普遍存在的非线性特性,基于数据的局部相关关系对分类的影响,提出一种基于t分布随机邻域嵌入(t-SNE)的数据特征提取和故障分类方法。利用t-SNE算法非线性、非参数降维的优势,与费舍判别分析(FDA)、支持向量机(SVM)分类器相结合建立故障分类模型。利用t-SNE算法对故障数据进行非线性特征提取,获取数据的关键区分特征。用FDA和SVM算法实现故障分类和识别。通过田纳西-伊士曼(TE)过程获得的实验数据进行实验仿真分析,并分别与基于核主元分析法(KPCA)、拉普拉斯特征映射(LE)构建的KPCA-FDA、LE-FDA、KPCA-SVM、LE-SVM 4种故障分类模型进行比较。定量评估结果表明:即使基于不同分类器,相较于其他2种方法,该文方法的分类准确率分别提升了2%和7%,且其平均分类准确率能保持在97%以上。 展开更多

关键词 t分布随机邻域嵌入 工业过程 费舍判别分析 支持向量机 田纳西-伊士曼过程 核主元分析法 拉普拉斯特征映射

在线阅读 下载PDF 职称材料

基于t-SNE多特征融合的风力机塔架异常检测方法

5

作者 张文韬 秦仙蓉 +2 位作者 杨穹 侯冰柠 张氢 《太阳能学报》 北大核心 2025年第9期91-97,共7页

针对风力发电机塔架的异常状态识别问题,根据监测的结构响应信号,提出一种基于t-分布随机邻域嵌入(t-SNE)多特征融合的结构异常检测方法。该方法通过估计信号的时域、频域和时频域统计指标,提取塔架的高维特征向量;利用t-SNE算法进行降... 针对风力发电机塔架的异常状态识别问题,根据监测的结构响应信号,提出一种基于t-分布随机邻域嵌入(t-SNE)多特征融合的结构异常检测方法。该方法通过估计信号的时域、频域和时频域统计指标,提取塔架的高维特征向量;利用t-SNE算法进行降维融合,得到数据在低维空间的可视化表达;采用聚类算法分析数据状态,构建异常指标定量分析,实现结构异常检测。对风力机塔架在台风期与地震期的工程实际应用表明,所提方法可清晰地识别出因环境因素变化所引起的结构响应异常。 展开更多

关键词 风力发电机 异常检测 数据可视化 特征融合 t-分布随机邻域嵌入(t-SNE)

在线阅读 下载PDF 职称材料

基于近红外光谱与t-SNE的机器学习方法对五常稻花香米的快速无损鉴别

6

作者 孙鑫悦 李彦龙 +7 位作者 陈明明 宋妍 钱丽丽 左锋 关海鸥 张涛 刘兴泉 周国鑫 《食品科学》 北大核心 2025年第20期318-326,共9页

本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工... 本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工神经网络、K近邻算法、随机森林、决策树和朴素贝叶斯5种机器学习模型进行品种判别对比。研究结果表明t-分布邻域嵌入在Calinski-Harabasz指数上提升了1 078.005 1,表现出更好的聚类效果。经过t-分布邻域嵌入降维处理后,5种模型的各项评价指标均优于未降维处理的模型,模型平均准确率达到了95.78%,其中朴素贝叶斯模型准确率提高了18.89%,提升效果最佳,随机森林模型的判别效果最好,预测集准确率和精准率分别为98.89%和98.96%。本方法可快速无损鉴别五常稻花香米,助力品牌保护和消费者权益维护,也可为其他地理标志农产品鉴别提供新思路。 展开更多

关键词 五常稻花香米 近红外光谱技术 随机森林 相似大米品种鉴别 t-分布邻域嵌入

在线阅读 下载PDF 职称材料

BH随机邻域嵌入在驾驶行为识别中的应用

7

作者 杨云开 范文兵 彭东旭 《计算机应用与软件》 北大核心 2021年第1期166-170,210,共6页

针对驾驶系统处理大量驾驶数据时出现的效率和精度不足的问题,提出一种基于巴恩斯哈特随机邻域嵌入(BH-SNE)和径向基函数神经网络(RBFNN)的识别算法。从手机传感器中获取加速度数据、陀螺仪数据和磁强计数据,融合这三种传感器数据,经过... 针对驾驶系统处理大量驾驶数据时出现的效率和精度不足的问题,提出一种基于巴恩斯哈特随机邻域嵌入(BH-SNE)和径向基函数神经网络(RBFNN)的识别算法。从手机传感器中获取加速度数据、陀螺仪数据和磁强计数据,融合这三种传感器数据,经过预处理后使用BH-SNE完成降维处理,将降维数据输入到RBFNN中识别出驾驶行为。实验结果表明,BH-SNE的效率远高于t分布式随机邻域嵌入(t-SNE),并且可视化效果优于t-SNE,该模型的整体识别率为98.8%,分类效果优于传统的机器学习算法。 展开更多

关键词 传感器数据 数据融合 数据可视化 t分布式随机邻域嵌入 径向基函数神经网络

在线阅读 下载PDF 职称材料

基于HMFDE和t-SNE的旋转机械故障诊断方法 被引量：4

8

作者 尹久 张杰 《机电工程》 CAS 北大核心 2024年第6期1058-1067,共10页

针对旋转机械的故障特征提取较难,以及单一类型的特征无法全面反映故障特性的问题,提出了一种基于混合多尺度波动散布熵(HMFDE)、t分布-随机邻域嵌入(t-SNE)和郊狼优化算法(COA)优化极限学习机(ELM)的旋转机械故障诊断方法。首先,采用... 针对旋转机械的故障特征提取较难,以及单一类型的特征无法全面反映故障特性的问题,提出了一种基于混合多尺度波动散布熵(HMFDE)、t分布-随机邻域嵌入(t-SNE)和郊狼优化算法(COA)优化极限学习机(ELM)的旋转机械故障诊断方法。首先,采用特征加权提出了混合多尺度波动散布熵方法,并将其用于提取旋转机械振动信号的故障特征;随后,采用t-SNE方法对混合故障特征进行了特征降维,挑选出了最能够反映故障特性的特征子集,构建了敏感特征样本;最后,采用郊狼优化算法对极限学习机的输入权重和隐含层阈值进行了优化,完成了旋转机械的故障识别和分类;以齿轮箱和滚动轴承故障数据集为对象,对基于HMFDE、t-SNE和COA-ELM的故障诊断方法进行了实验,验证了方法的有效性。研究结果表明:采用HMFDE-t-SNE-CAO-ELM故障诊断方法可以取得100%的故障识别准确率,该方法能够有效地诊断旋转机械的不同故障类型和损伤;相较于基于单一类型特征的故障诊断方法,其准确率分别可以提高0.68%、22.42%、29.18%(齿轮箱)和1.43%、8.23%、23.67%(滚动轴承),虽然牺牲了一定的计算效率,但准确率得到了明显的提高;相较于其他常规故障分类器,COA-ELM的故障识别准确率具有明显的优势。 展开更多

关键词 旋转机械 故障诊断 齿轮箱 滚动轴承 混合多尺度波动散布熵 t分布-随机邻域嵌入 郊狼优化算法 极限学习机

在线阅读 下载PDF 职称材料

基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型 被引量：1

9

作者 王显彬 孙阳 《机电工程》 北大核心 2025年第3期510-519,共10页

针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机... 针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。 展开更多

关键词 非线性振动信号 特征提取时间 故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入 麻雀搜索算法优化相关向量机

在线阅读 下载PDF 职称材料

基于改进CEEMDAN和t-SNE的故障特征提取方法 被引量：5

10

作者 郑惠萍 王卓 +3 位作者 彭立强 秦志英 赵月静 裴春兴 《机床与液压》 北大核心 2023年第19期216-222,共7页

针对非线性、非稳定振动信号难以提取有效故障特征的问题,提出一种基于改进自适应噪声完备集合经验模态分解(CEEMDAN)和t-分布随机邻域嵌入(t-SNE)算法相结合的故障特征提取方法。利用三次Hermite插值代替三次样条插值构造包络线,提高传... 针对非线性、非稳定振动信号难以提取有效故障特征的问题,提出一种基于改进自适应噪声完备集合经验模态分解(CEEMDAN)和t-分布随机邻域嵌入(t-SNE)算法相结合的故障特征提取方法。利用三次Hermite插值代替三次样条插值构造包络线,提高传统CEEMDAN对非平稳信号的分解精度;利用改进后的CEEMDAN对原始信号分解并通过相关系数筛选出有效固有模态分量(IMF),提取有效IMF分量的时频特征、奇异值和能量值构建高维混合域特征集;最后,通过t-SNE算法挖掘高维混合域特征信息得到低维敏感特征,并将其输入到支持向量机中进行分类,以分类准确率作为特征提取效果评价指标。在齿轮箱故障模拟实验台进行实验验证,结果表明该方法能够准确地提取故障特征,为故障特征提取提供新思路。 展开更多

关键词 Hermite插值法 自适应噪声完备集合经验模态分解 t-分布随机邻域嵌入 故障特征提取

在线阅读 下载PDF 职称材料

基于t-SNE和核马氏距离的滚动轴承健康状态评估 被引量：6

11

作者 胡启国 杜春超 罗棚 《组合机床与自动化加工技术》 北大核心 2021年第8期57-61,共5页

针对滚动轴承在健康状态评估过程中,退化状态特征筛选和健康指数难以构建等问题,提出了一种基于t-SNE(t-distribution Stochastic Neighbor Embedding)和核马氏距离的滚动轴承健康状态评估方法。首先,利用随机森林算法筛选出重要性较高... 针对滚动轴承在健康状态评估过程中,退化状态特征筛选和健康指数难以构建等问题,提出了一种基于t-SNE(t-distribution Stochastic Neighbor Embedding)和核马氏距离的滚动轴承健康状态评估方法。首先,利用随机森林算法筛选出重要性较高的退化状态特征,并构建高维相对退化状态特征;其次,为防止退化状态特征冗余对评估结果产生影响,利用t-SNE对高维相对退化状态特征集进行降维,将退化状态特征进行融合;最后,将其与等距映射(Isometric mapping,Isomap)、KPCA方法对比,以验证t-SNE流形学习算法进行退化状态特征降维的有效性与优越性,结果表明t-SNE算法具有一定优势。最终结果验证了所提方法的有效性。 展开更多

关键词 滚动轴承 退化状态特征 t-分布随机邻域嵌入算法 核马氏距离 健康状态评估

在线阅读 下载PDF 职称材料

基于集成学习强化BPNN的掘进工作面温度预测模型

12

作者 马恒 张世龙 高科 《工矿自动化》 北大核心 2025年第8期88-94,158,共8页

针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随... 针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随机邻域嵌入(t−SNE)非线性降维技术,将通风机前风量、温度、相对湿度等7项高维特征降至3维,保留数据局部结构并去除噪声。然后将降维数据输入BPNN作为基分类器,经迭代训练得到初步模型。最后通过自适应推进算法(AdaBoost)集成学习,迭代训练多个BPNN弱分类器并加权组合为强分类器,增强模型泛化能力。将60组掘进工作面实测数据按8∶2划分为训练集与测试集,经5折交叉验证确定AdaBoost最优弱学习器数量为30。实验结果表明:①t−SNE−BPNN−AdaBoost预测曲线和真实值贴合度最优,整体误差小,在温度突变区段适应力强,稳定性远超SVM,BPNN和t−SNE−BPNN。②t−SNE−BPNN−AdaBoost的预测相对误差最小,几乎在5%以内,表现出最优的预测精度。③在测试集上,t−SNE−BPNN−AdaBoost的决定系数为0.9784,较SVM,BPNN,t−SNE−BPNN分别提高了60.3%,17.2%,8.1%;平均绝对误差为0.1676,均方误差为0.0567,平均绝对百分比误差为0.9640,指标均显著优于SVM,BPNN和t−SNE−BPNN,在温度突变区段适应性更强。 展开更多

关键词 掘进工作面温度预测 t−分布随机邻域嵌入 BP神经网络 t−SNE 自适应推进算法 AdaBoost集成学习 5折交叉验证

在线阅读 下载PDF 职称材料

基于1DCNN和PLSDA酸枣仁真伪高光谱图像鉴别中的关键特征分析 被引量：2

13

作者 赵昕 石玉娜 +5 位作者 刘怡彤 姜洪喆 褚璇 赵志磊 王宝军 陈晗 《光谱学与光谱分析》 北大核心 2025年第3期869-877,共9页

酸枣仁因其养心益肝的功效,是安神助眠类保健品和中药制剂的重要原料。目前市售酸枣仁掺假现象严重,极大损害了消费者利益,扰乱了市场秩序。传统人工检测或基于实验室的高效液相色谱方法存在效率低,推广难的问题。本研究基于卷积神经网... 酸枣仁因其养心益肝的功效,是安神助眠类保健品和中药制剂的重要原料。目前市售酸枣仁掺假现象严重,极大损害了消费者利益,扰乱了市场秩序。传统人工检测或基于实验室的高效液相色谱方法存在效率低,推广难的问题。本研究基于卷积神经网络和偏最小二乘判别提出了一种高光谱成像酸枣仁真伪鉴别方法,并对两类模型中的关键光谱特征进行了讨论研究,为后续多光谱系统和便携式仪器开发提供借鉴。提取酸枣仁及其常见伪品(理枣仁、兵豆和枳椇子)高光谱图像(400~1000 nm)中所有单籽粒的平均光谱。基于平均光谱分别建立偏最小二乘判别分析(PLSDA)模型和一维卷积神经网络(1DCNN)模型。PLSDA建模前采用竞争性自适应重加权算法(CARS)挑选特征波长。在1DCNN模型中添加了自定义波长选择层,并对卷积层和全连接层输出结果应用t分布随机邻域嵌入(t-SNE)进行可视化分析。为了与CARS-PLSDA模型进行有效对比,构建了基于五个波长的5W-1DCNN模型。结果表明CARS-PLSDA和1DCNN模型都能获得理想的预测效果,校正集和预测集分类正确率均在99%以上。对比CARS与自定义层挑选的特征波长,670、721和850 nm附近的波长在两种模型中均具有重要作用。研究结果为酸枣仁真伪快速鉴别的多光谱和便携式检测设备提供参考。 展开更多

关键词 高光谱成像 一维卷积神经网络 t分布随机邻域嵌入 偏最小二乘法判别分析

在线阅读 下载PDF 职称材料

基于特征融合的往复式压缩机气阀故障诊断 被引量：1

14

作者 王康 宋朝琪 +4 位作者 聂方 袁宗泽 任护国 尧阳烽 余永华 《机床与液压》 北大核心 2025年第1期151-156,共6页

针对仅依靠单一信号难以准确诊断气阀故障且缺乏多参数综合利用的气阀故障诊断方法的问题,提出一种基于t-分布随机近邻嵌入(t-SNE)特征降维融合的往复式压缩机气阀故障诊断方法。以某型四级高压往复式压缩机为研究对象,通过故障模拟试... 针对仅依靠单一信号难以准确诊断气阀故障且缺乏多参数综合利用的气阀故障诊断方法的问题,提出一种基于t-分布随机近邻嵌入(t-SNE)特征降维融合的往复式压缩机气阀故障诊断方法。以某型四级高压往复式压缩机为研究对象,通过故障模拟试验获取进、排气阀不同典型故障下的热力参数和声发射信号,利用t-SNE降维算法将不同信号源提取的高维特征参数融合降维,并基于K-近邻算法(KNN)构建气阀故障诊断模型。结果表明:与其他降维算法相比,经t-SNE降维后,同类样本的类内距离小,不同类型故障样本类间距离较大,可以有效区分进排气阀的各类故障;多信号特征融合降维后,基于KNN分类算法构建的气阀故障诊断模型能有效识别气阀故障,其准确率为100%。 展开更多

关键词 气阀 故障诊断 t-分布随机近邻嵌入 特征融合 K-近邻算法

在线阅读 下载PDF 职称材料

基于T-SNE样本熵和TCN的滚动轴承状态退化趋势预测 被引量：37

15

作者 于重重 宁亚倩 +1 位作者 秦勇 高柯柯 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第8期39-46,共8页

为了能够尽早发现滚动轴承开始出现显著退化的临界状态,精准预测滚动轴承的状态退化趋势,提出了T-分布随机近邻嵌入(T-SNE)样本熵状态退化特征指标和基于时间卷积网络(TCN)的轴承状态退化趋势预测方法。首先利用T-SNE算法提取原始振动... 为了能够尽早发现滚动轴承开始出现显著退化的临界状态,精准预测滚动轴承的状态退化趋势,提出了T-分布随机近邻嵌入(T-SNE)样本熵状态退化特征指标和基于时间卷积网络(TCN)的轴承状态退化趋势预测方法。首先利用T-SNE算法提取原始振动信号的低维流形特征,再计算低维流形特征的样本熵作为状态退化特征,最后基于历史状态退化特征通过TCN算法预测轴承的状态退化趋势。实验结果表明,相较于传统特征指标,T-SNE样本熵特征指标能够至少提前50 min发现滚动轴承开始出现显著退化的临界状态,且TCN算法的预测误差仅为0. 45%,具有较高的工程应用价值。 展开更多

关键词 t-分布随机近邻嵌入 样本熵 时间卷积网络 滚动轴承 状态退化趋势预测

在线阅读 下载PDF 职称材料

基于PCA与t-SNE特征降维的城市植被SVM识别方法 被引量：2

16

作者 于慧伶 霍镜宇 +1 位作者 张怡卓 蒋毅 《实验室研究与探索》 CAS 北大核心 2019年第12期135-140,共6页

以高光谱图像降维为研究问题,针对主成分分析法(PCA)投影结果混叠、线性不可分和t-分布式随机邻域嵌入算法(t-SNE)内存占用大、运行时间长等不足,提出了一种基于PCA与t-SNE结合的高光谱图像降维方法。设计了基于SVM的城市植被识别模型,... 以高光谱图像降维为研究问题,针对主成分分析法(PCA)投影结果混叠、线性不可分和t-分布式随机邻域嵌入算法(t-SNE)内存占用大、运行时间长等不足,提出了一种基于PCA与t-SNE结合的高光谱图像降维方法。设计了基于SVM的城市植被识别模型,有效地提高了运行速率,进而更好地提取高光谱图像的本质特征,提高了高光谱图像中城市植被的分类精度。实验选取肯尼迪航天中心(KSC)数据为对象,结果表明,PCA-t-SNE-SVM算法总体分类精度可达92.06%,Kappa系数为0.91时,分类效果最优,相较于PCA-SVM和t-SNE-SVM算法,总体分类精度分别提高了13.51%和3.33%,Kappa系数分别提高了0.15和0.04,均表现出良好的性能。 展开更多

关键词 高光谱图像分类 城市植被分类 主成分分析法 t-分布式随机邻域嵌入算法 支持向量机

在线阅读 下载PDF 职称材料

VMD和t-SNE相结合的滚动轴承故障诊断 被引量：15

17

作者 丁承君 张良 +1 位作者 冯玉伯 付晓阳 《机械科学与技术》 CSCD 北大核心 2020年第5期758-764,共7页

滚动轴承故障诊断普遍采用有监督学习的方式,针对有标签数据难以获取的问题,提出一种VMD分解与t-SNE流形学习相结合的滚动轴承故障诊断方法。利用VMD分解将滚动轴承原始振动信号分解为若干本征模态分量(IMF);计算每个模态分量的时频特... 滚动轴承故障诊断普遍采用有监督学习的方式,针对有标签数据难以获取的问题,提出一种VMD分解与t-SNE流形学习相结合的滚动轴承故障诊断方法。利用VMD分解将滚动轴承原始振动信号分解为若干本征模态分量(IMF);计算每个模态分量的时频特性指标组成高维故障特征,通过t-SNE对故障进行二次特征提取,获取低维敏感特征并将其作为K-means分类器的输入,实现故障类型的识别。将该方法应用到滚动轴承故障诊断中并与VMD+PCA、原始时频特征+t-SNE两种方法进行对比,结果表明VMD+t-SNE方法以无监督学习的方式实现了故障诊断的去标签化和自适应性,同时提高了故障诊断的准确性。 展开更多

关键词 变分模态分解 t分布随机邻域嵌入 滚动轴承 特征提取 故障诊断

在线阅读 下载PDF 职称材料

改进的D-t-SNE滚动轴承故障数据集降维方法 被引量：4

18

作者 赵荣珍 薛勇 吴耀春 《兰州理工大学学报》 CAS 北大核心 2022年第3期42-49,共8页

针对传统降维方法难以保持数据集的局部与全局几何结构特征问题,选择测地距离作为度量指标,提出改进t-SNE的故障数据集降维方法D-t-SNE.首先提取消噪振动信号的多域高维故障数据集,在对其进行归一化处理之后,利用GD指标改进后的D-t-SNE... 针对传统降维方法难以保持数据集的局部与全局几何结构特征问题,选择测地距离作为度量指标,提出改进t-SNE的故障数据集降维方法D-t-SNE.首先提取消噪振动信号的多域高维故障数据集,在对其进行归一化处理之后,利用GD指标改进后的D-t-SNE算法对高维故障数据集进行降维运算,去除冗余信息,然后通过不同的分类器对低维特征子集进行故障模式辨识.以UCI数据集和双跨转子实验台的模拟故障数据集为实验对象对D-t-SNE算法进行验证,并与SNE和t-SNE算法的各项实现结果进行对比.结果表明,D-t-SNE算法具有通过降低高维故障数据集的维数从而达到降低故障分类难度、提高故障辨识准确率的性能,可为降低旋转机械原始故障特征数据集的规模、降低故障分类的难度与提高故障辨识结果的可视化效果提供理论参考依据. 展开更多

关键词 t-分布随机近邻嵌入 滚动轴承 数据降维 故障诊断 测地距离

在线阅读 下载PDF 职称材料

基于多尺度时不可逆与t-SNE流形学习的滚动轴承故障诊断 被引量：20

19

作者 姜战伟 郑近德 +1 位作者 潘海洋 潘紫微 《振动与冲击》 EI CSCD 北大核心 2017年第17期61-68,84,共9页

为了精确地提取机械振动信号的非线性故障特征,提出了一种新的振动信号复杂性测量方法——多尺度时不可逆。同时结合t-分布邻域嵌入(t-SNE)流形学习和粒子群优化-支持向量机(PSO-SVM),提出了一种新的滚动轴承故障诊断方法。采用多尺度... 为了精确地提取机械振动信号的非线性故障特征,提出了一种新的振动信号复杂性测量方法——多尺度时不可逆。同时结合t-分布邻域嵌入(t-SNE)流形学习和粒子群优化-支持向量机(PSO-SVM),提出了一种新的滚动轴承故障诊断方法。采用多尺度时不可逆提取复杂振动信号的特征信息;利用t-SNE对高维特征空间进行降维;将低维特征向量输入到基于PSO-SVM多故障模式分类器中进行识别与诊断。将提出的方法应用于试验数据分析,并与现有方法进行了对比,分析结果表明,该方法不仅能够有效地诊断滚动轴承的工作状态和故障类型,而且优于现有方法。 展开更多

关键词 多尺度时不可逆 t-分布邻域嵌入 支持向量机 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于可见-近红外光谱及随机森林的鸡蛋产地溯源 被引量：4

20

作者 王彬 王巧华 +3 位作者 肖壮 马逸霄 李理 杨朋 《食品工业科技》 CAS CSCD 北大核心 2017年第24期243-247,共5页

为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱(500~900 nm),利用中心化、归一化、标准正态变量(SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(MSC)、直接正交信号校正(Direct ... 为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱(500~900 nm),利用中心化、归一化、标准正态变量(SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(MSC)、直接正交信号校正(Direct Orthogonal Signal Correction,DOSC)算法对光谱数据进行预处理,采用t分布式随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)、主成分分析(PCA)方法对预处理后的数据降维,并将降维后的数据分别输入极限学习机(extreme learning machine,ELM)和随机森林(random forest,RF),建立鸡蛋产地溯源模型。比较两种方法建立的模型,发现运用DOSC预处理及t-SNE提取的光谱特征信息建立的RF模型鉴别效果最好,训练集和预测集的鉴别正确率分别为100%和98.33%。研究结果表明基于可见-近红外光谱技术对鸡蛋产地溯源是可行的,为进一步研究与开发鸡蛋产地溯源便携式仪器提供技术支持。 展开更多

关键词 可见-近红外光谱 鸡蛋 产地溯源 t分布式随机邻域嵌入 随机森林

在线阅读 下载PDF 职称材料