| 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 | |
| 文檔大小：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(shù)據(jù)維數(shù)高、非線性強、噪聲敏感、故障特征信息冗余、部分歷史數(shù)據(jù)類別標記信息可獲取等特點，對適用于非線性數(shù)據(jù)的t-SNE無監(jiān)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(shù)據(jù)相似度，使用Manhattan距離作為度量方式以增大數(shù)據(jù)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(nèi)更緊湊。結合KNN方法的UCI仿真數(shù)據(jù)集分類實驗與KDD99網(wǎng)絡故障診斷實驗，表明該改進故障特征提取算法能夠?qū)崿F(xiàn)更有效的故障診斷。 | |
| 現(xiàn)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(tǒng)工程研究所版權所有 京ICP備10017138號-2