基于改进结构保持数据降维方法的故障诊断研究

传统基于核主成分分析(Kernel principal component analysis,KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection,KLPP)的思想融入核主成分分析的目标函数中,使样本投影后的特征空间不仅保持原始样本空间的整体结构,还保持样本空间相似的局部近邻结构,包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真,并能够...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 47; no. 2; pp. 338 - 348
Main Authors 韩敏, 李宇, 韩冰
Format Journal Article
LanguageChinese
Published 大连理工大学电子信息与电气工程学部 大连116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海200135 01.02.2021
Subjects
数据降维
核主成分分析
特征提取
故障诊断
局部保持投影法
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c180138

Cover

Abstract 传统基于核主成分分析(Kernel principal component analysis,KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection,KLPP)的思想融入核主成分分析的目标函数中,使样本投影后的特征空间不仅保持原始样本空间的整体结构,还保持样本空间相似的局部近邻结构,包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真,并能够直观显示出低维结果,将低维数据输入最近邻分类器,以识别率和聚类分析结果作为衡量指标,同时将所提方法应用于故障诊断中.使用AVL Boost软件模拟的柴油机故障数据和田纳西(Tennessee Eastman,TE)化工数据仿真,验证了所提方法的有效性.
AbstractList 传统基于核主成分分析(Kernel principal component analysis,KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection,KLPP)的思想融入核主成分分析的目标函数中,使样本投影后的特征空间不仅保持原始样本空间的整体结构,还保持样本空间相似的局部近邻结构,包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真,并能够直观显示出低维结果,将低维数据输入最近邻分类器,以识别率和聚类分析结果作为衡量指标,同时将所提方法应用于故障诊断中.使用AVL Boost软件模拟的柴油机故障数据和田纳西(Tennessee Eastman,TE)化工数据仿真,验证了所提方法的有效性.
Author 韩敏
李宇
韩冰
AuthorAffiliation 大连理工大学电子信息与电气工程学部 大连116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海200135
AuthorAffiliation_xml – name: 大连理工大学电子信息与电气工程学部 大连116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海200135
Author_FL HAN Min
HAN Bing
LI Yu
Author_FL_xml – sequence: 1
  fullname: HAN Min
– sequence: 2
  fullname: LI Yu
– sequence: 3
  fullname: HAN Bing
Author_xml – sequence: 1
  fullname: 韩敏
– sequence: 2
  fullname: 李宇
– sequence: 3
  fullname: 韩冰
BookMark eNotj7tKA0EUQKeIYIxp_QS7Xe_d2ZndqUSCLwjYaB3uJLNqkA24iGInxEaMTbIB47O18AGKkKTIz8TZ5C8MaHW6czgLLBc3YsPYEoKLkod8pe4SJW4VQ0Ae5lgePOE7Pgo5z4pJcqgBEMFTiHm2-vM0GA9ubKc_Gd1lw7Z9bI5HD_b6wqYftvU2vW1lwy_b7dvPNOs1bXo57d1P3q9s9zV77mQv34tsLqKjxBT_WWB7G-u7pS2nvLO5XVorOwkCBk6og0iGErj2yPhKVslXJkABAoxELdBEHBRIQVgLlCHOARSpCDQQkaryAlv-855SHFG8X6k3To7jWbFyXjs40x54syOAgP8CM3JiHw
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.16383/j.aas.c180138
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Research on Fault Diagnosis of Data Dimension Reduction Based on Improved Structure Preserving Algorithm
EndPage 348
ExternalDocumentID zdhxb202102007
GrantInformation_xml – fundername: (国家自然科学基金); (中央高校基本科研业务费); (上海启明星)
  funderid: (国家自然科学基金); (中央高校基本科研业务费); (上海启明星)
GroupedDBID --K
-0Y
.~1
0R~
1B1
1~.
1~5
2B.
4.4
457
4A8
4G.
5GY
5VS
5XA
5XJ
7-5
71M
8P~
92H
92I
93N
AAIKJ
AALRI
AAQFI
AAXUO
ABJNI
ABWVN
ACGFS
ACRPL
ADEZE
ADNMO
ADTZH
AECPX
AEKER
AFTJW
AGHFR
AGYEJ
AITUG
ALMA_UNASSIGNED_HOLDINGS
BLXMC
CCEZO
CS3
CUBFJ
CW9
EBS
EJD
EO8
EO9
EP2
EP3
FDB
FEDTE
FNPLU
GBLVA
HVGLF
HZ~
IHE
J1W
JJJVA
M41
MO0
N9A
O-L
O9-
OAUVE
OZT
P-8
P-9
P2P
PC.
PSX
Q38
ROL
RPZ
SDF
SDG
SES
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1017-8b7f68603b2ae496ca49e715050e61b51ef309065a1d79ea33009a9f0b0aaa9c3
ISSN 0254-4156
IngestDate Thu May 29 04:10:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 2
Keywords 数据降维
核主成分分析
特征提取
故障诊断
局部保持投影法
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1017-8b7f68603b2ae496ca49e715050e61b51ef309065a1d79ea33009a9f0b0aaa9c3
PageCount 11
ParticipantIDs wanfang_journals_zdhxb202102007
PublicationCentury 2000
PublicationDate 2021-02-01
PublicationDateYYYYMMDD 2021-02-01
PublicationDate_xml – month: 02
  year: 2021
  text: 2021-02-01
  day: 01
PublicationDecade 2020
PublicationTitle 自动化学报
PublicationTitle_FL Acta Automatica Sinica
PublicationYear 2021
Publisher 大连理工大学电子信息与电气工程学部 大连116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海200135
Publisher_xml – name: 大连理工大学电子信息与电气工程学部 大连116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海200135
SSID ssib001102911
ssib006576350
ssib051375349
ssib007293330
ssj0059721
ssib007290157
ssib023646446
ssib005904210
Score 2.3899662
Snippet 传统基于核主成分分析(Kernel principal component analysis,KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel...
SourceID wanfang
SourceType Aggregation Database
StartPage 338
Title 基于改进结构保持数据降维方法的故障诊断研究
URI https://d.wanfangdata.com.cn/periodical/zdhxb202102007
Volume 47
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR27btRA0IqSBgrEU7xJwVaRYf3Y9W6F1hcfEQKqBKULts9HqkMiiYTSIYUGERqSSIRnS8FDAiElKfIzwZf8BTPjvTtHh8SjsfZmZ8bzOs_s3nrOca5q-Pa1C8ndVipyN4yi3E1lFLiFlFnh5VnmZ_g28p27cmomvDUrZkdG79dOLS0tZtfy5d--V_I_XgUY-BXfkv0Hz_aZAgDG4F-4gofh-lc-Zolgusliw5IQryphiWQaxpolisVNpmOWRCyOmQ5oKmEqJGSYmkSIakAtSVOCxZwgk8wAH820xnFFHoeEI4kzXAPEhyltiCGRK0FUhukG3t00mTKWyhAfw1E2HGgWy3pZjPgK4AY1AiqjaNBAWhgAuZEkG0yJXozQ3ZrIzN6_OZiRqB6aQ6Ayg2RbowECUITXtz18r3dS2gYq0YfMRD1zJqQ0R1KYikFkUcPpSxqRE4SFAH5lckOWBnuDbRCiSMQ-MopDFupzjtASKq5xBp8EAJwYlszzJPXHED3WZPyYeKF5lY0KHEg7QINX5HzYQTYGjF9D7jPsS18ZuLKnIMeRmxTFEkQCqiowDuNJi1xxBndX0aV8EoymNAUe3AhcX0FMODGsD57Qq9rP2Bzmi9DFPYJ6wq1arNoHi1_LnkHV6McWYkHVgnUox0PGCCjJpyl8eT2Fv7UPqpn-GdPl1vzjzKctDWo3MeZHER7kGLsZ375nBksGmNe1HCc0pLFaSSwFtmwcfI7w4EHtpAB8DoLBEhz_j0HWtliEF0QiwC2OqjoU2C2L9n2tYWwjWVTq-iGV6C3CTjvtPKgVvNPHnWN2pTpuqsfOCWdkef6kc7TWv_SUc-Pn--297Rfl2tb-7uvuzsvy3cre7tvy-ZNy_Wu5-vng1Wp353u5sVV-W-9urpTrTw823-x_eVZufOp-WOt-_HHamWkm040p1_4ji7vgUTmbRW2pJA8yPy1CLfM01EUEa0rBC-llwivaAddgs9RrRbpIwTBcp7rNM56mqc6DM85o52GnOOuM57mSnpfxdqvdCgvPz2CtIyMf6rYs4Jnk55wrVv05-8RdmDvs0vN_xLjgHBk8Oi46o4uPlopLsIZYzC7bMPgF2ufKbw
linkProvider Elsevier
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%94%B9%E8%BF%9B%E7%BB%93%E6%9E%84%E4%BF%9D%E6%8C%81%E6%95%B0%E6%8D%AE%E9%99%8D%E7%BB%B4%E6%96%B9%E6%B3%95%E7%9A%84%E6%95%85%E9%9A%9C%E8%AF%8A%E6%96%AD%E7%A0%94%E7%A9%B6&rft.jtitle=%E8%87%AA%E5%8A%A8%E5%8C%96%E5%AD%A6%E6%8A%A5&rft.au=%E9%9F%A9%E6%95%8F&rft.au=%E6%9D%8E%E5%AE%87&rft.au=%E9%9F%A9%E5%86%B0&rft.date=2021-02-01&rft.pub=%E5%A4%A7%E8%BF%9E%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6%E7%94%B5%E5%AD%90%E4%BF%A1%E6%81%AF%E4%B8%8E%E7%94%B5%E6%B0%94%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%83%A8+%E5%A4%A7%E8%BF%9E116023%25%E4%B8%8A%E6%B5%B7%E8%88%B9%E8%88%B6%E8%88%AA%E8%BF%90%E7%A0%94%E7%A9%B6%E9%99%A2%E8%88%AA%E6%B5%B7%E4%B8%8E%E5%AE%89%E5%85%A8%E6%8A%80%E6%9C%AF%E5%9B%BD%E5%AE%B6%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4+%E4%B8%8A%E6%B5%B7200135&rft.issn=0254-4156&rft.volume=47&rft.issue=2&rft.spage=338&rft.epage=348&rft_id=info:doi/10.16383%2Fj.aas.c180138&rft.externalDocID=zdhxb202102007
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fzdhxb%2Fzdhxb.jpg