| 基于加權判別隨機鄰域嵌入的故障特征提取算法 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>551 K | |
| 標簽： 類別信息 隨機鄰域嵌入 加權距離 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對大數據維數高、非線性強、噪聲敏感、故障特征信息冗余、部分歷史數據類別標記信息可獲取等特點，對適用于非線性數據的t-SNE無監督流形學習方法進行改進，提出一種基于加權判別隨機鄰域嵌入的故障特征提取算法。在原始高維空間和相應的低維子空間定義包含類別信息的數據相似度，使用Manhattan距離作為度量方式以增大數據相對距離差，基于距離遠近關系進行相似度加權，由此充分利用類別標記約束指導降維，使得類間更分散而類內更緊湊。結合KNN方法的UCI仿真數據集分類實驗與KDD99網絡故障診斷實驗，表明該改進故障特征提取算法能夠實現更有效的故障診斷。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2