版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、近年來,隨著信息技術的快速發(fā)展,如何將信息技術融入旋轉機械設備,并利用基于數(shù)據(jù)驅動的相關理論挖掘出能夠實時反映機械狀態(tài)運行的內在屬性的方法成了機械故障診斷發(fā)展的必然趨勢。流形學習算法作為一種新的能構建出高維空間數(shù)據(jù)結構的非線性數(shù)據(jù)處理算法,已成功應用于很多領域,如:數(shù)據(jù)挖掘,數(shù)據(jù)模式辨識及分類,故障診斷等。然而,等距映射(Isometric Mapping,ISOMAP)和局部線性嵌入算法(Locally linear embeddin
2、g,LLE)這兩種較為經典的流形學習算法在數(shù)據(jù)處理的過程中也表現(xiàn)出各自的優(yōu)點及缺點。故針對此現(xiàn)狀,本論文主要將這兩種算法的優(yōu)缺點在核函數(shù)的理論基礎上進行融合,進而提出了一種新的能夠兼顧這兩種算法特點的KISOMAPLLE算法。主要的研究成果如下:
?。?)將兩種算法在核框架下進行融合,提出了一種新的KISOMAPLLE算法,并將其成功應用于六大人工數(shù)據(jù)集。實驗結果表明,該算法在人工數(shù)據(jù)集中能夠成功實現(xiàn)降維外,而且具有對鄰域的選擇
3、及噪聲的敏感性較弱、魯棒性較強的特點。
?。?)將KISOMAPLLE算法與其他7種算法應用于原始轉子故障特征集,并進行數(shù)據(jù)降維及比較分析。實驗結果顯示,本文算法相較于其他幾種算法有較高的故障模式辨識準確率。
?。?)對該算法和其他幾種算法在轉子故障數(shù)據(jù)集中隨鄰域變化關系進行了相關研究。實驗結果表明,本文算法相較于其他幾種算法對鄰域選擇敏感性較弱,與其在人工數(shù)據(jù)集實驗結果有相同的結論,繼而驗證了該算法對解決實際問題有一定
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于流形學習的數(shù)據(jù)降維方法研究.pdf
- 基于流形學習的數(shù)據(jù)降維.pdf
- 基于流形學習的數(shù)據(jù)降維的研究.pdf
- 基于流形學習的數(shù)據(jù)降維算法研究.pdf
- 面向缺損數(shù)據(jù)的流形學習方法研究.pdf
- 基于流形學習的數(shù)據(jù)降維算法的研究.pdf
- 基于流形學習的轉子故障特征集維數(shù)約簡方法研究.pdf
- 數(shù)據(jù)降維及分類中的流形學習研究.pdf
- 基于流形學習的數(shù)據(jù)降維技術研究.pdf
- 基于流形學習的有監(jiān)督降維方法研究.pdf
- 流形學習在數(shù)據(jù)降維中的應用研究.pdf
- 基于流形學習的降維算法.pdf
- 機械故障診斷中的流形學習方法研究.pdf
- 基于流形學習的降維方法及應用研究.pdf
- 流形學習降維及其應用研究
- 基于流形學習的局部降維算法研究.pdf
- 流形學習降維及其應用研究.pdf
- 自相交流形學習方法.pdf
- 基于流形學習的數(shù)據(jù)降維方法及其在人臉識別中的應用.pdf
- 高光譜圖像稀疏流形學習方法研究.pdf
評論
0/150
提交評論