检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于核主元分析的神经网络控制图模式识别

计算机应用 2012年第9期32卷 2520-2522,2526页

作者：胡胜李太福魏正元颜克胜重庆理工大学数学与统计学院重庆400054 重庆科技学院电气与信息工程学院重庆401331

针对异常特征之间存在较大的相似性而带来的网络结构复杂和识别精度不高的问题,提出一种基于核主元分析的神经网络控制图模式识别方法。先通过核方法将低维空间中的非线性特征转化为高维空间中的线性特征,再将其进行线性组合并向低维空... 详细信息

针对异常特征之间存在较大的相似性而带来的网络结构复杂和识别精度不高的问题,提出一种基于核主元分析的神经网络控制图模式识别方法。先通过核方法将低维空间中的非线性特征转化为高维空间中的线性特征,再将其进行线性组合并向低维空间投影,然后用BP神经网络分类器对控制图模式进行识别。通过仿真进行验证,结果显示该方法对控制图各个模式能够有效聚类,并且识别精度得到提高。

关键词：控制图模式识别核主元分析神经网络特征提取

分步动态自回归核主元分析及其在故障诊断中应用

在线全文

学校读者我要写书评

暂无评论

计算机应用 2016年第5期36卷 1464-1468页

作者：张敏龙王涛王旭平常红伟王放第二炮兵工程大学机电工程系西安710025

针对滑动窗自适应核主元分析法(KPCA)在处理参数敏感和缓慢劣化问题时存在的"过适应"现象,容易产生漏报的问题,提出了一种分步动态自回归KPCA算法。首先,借鉴动态数据矩阵思想,分步建立初始模型;然后,在滑动窗自适应KPCA的基础上,引入... 详细信息

针对滑动窗自适应核主元分析法(KPCA)在处理参数敏感和缓慢劣化问题时存在的"过适应"现象,容易产生漏报的问题,提出了一种分步动态自回归KPCA算法。首先,借鉴动态数据矩阵思想,分步建立初始模型;然后,在滑动窗自适应KPCA的基础上,引入指数加权法则处理实时数据、更新模型;最后,分析算法复杂度,并给出具体实现步骤。利用模拟数据分析分解系数和加权因子对算法的影响,结果表明,与滑动窗自适应KPCA相比,所提方法在参数选择恰当的情况下,模型效率提高了近90%,误报次数几乎降为0,还能通过调整加权因子取值来控制算法的适应能力,以解决多样化的动态问题。将算法应用于压缩机喘振和轴承故障实验数据分析,验证了所提算法处理参数敏感和缓慢劣化问题的能力。

关键词：核主元分析滑动窗分步动态策略指数加权故障诊断

在线全文

学校读者我要写书评

暂无评论

基于改进核主元分析的故障检测方法研究

控制工程 2017年第2期24卷 418-424页

作者：张珂宋文丽石怀涛周乾沈阳建筑大学机械工程学院沈阳110168

传统KPCA能有效捕捉数据的非线性特征、对数据在输入空间中的分布情况没有任何要求等优点,但是由于核函数的参数选择直接影响到核函数本身的性能,所以提出使用二分法进行核参数优化,获得改进核主元分析的故障检测方法。该方法引入混合... 详细信息

传统KPCA能有效捕捉数据的非线性特征、对数据在输入空间中的分布情况没有任何要求等优点,但是由于核函数的参数选择直接影响到核函数本身的性能,所以提出使用二分法进行核参数优化,获得改进核主元分析的故障检测方法。该方法引入混合核函数的定义,即多项式核函数和高斯径向基核函数的混合核方法,使用二分法分别对上述两核进行核参数优化,确定最优的混合核函数,再与主元分析方法(Principal Component Analysis PCA)相结合,得到改进KPCA。根据混合非线性主元特征计算出的T2和SPE统计量,从而实现故障检测。使用二分法进行核参数优化,选取核函数,改进了传统的核函数的选取方法。并且充分的考虑了工业过程中的非线性,更精确的描述工业过程特性,使得本文提出的改进方法可以准确有效地检测出电主轴系统故障。对田纳西-伊斯曼(TE)过程以及电主轴系统的应用实例说明了该方法的实用可行性。

关键词：混合核函数核主元分析故障诊断电主轴

基于核主元分析和极端学习机的轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2018年第2期32卷 23-29页

作者：张兰芳张朝龙纪娟娟安庆师范大学物理与电气工程学院合肥工业大学电气与自动化工程学院

针对轴承故障诊断问题,提出了一种基于核主元分析和极端学习机的轴承故障识别方法。首先应用小波分析的方法计算轴承时域信号的小波系数能量作为原始特征,然后应用核主元分析方法对高维的原始特征进行优选和降维,最后将优选和降维后的... 详细信息

针对轴承故障诊断问题,提出了一种基于核主元分析和极端学习机的轴承故障识别方法。首先应用小波分析的方法计算轴承时域信号的小波系数能量作为原始特征,然后应用核主元分析方法对高维的原始特征进行优选和降维,最后将优选和降维后的特征应用极端学习机方法建立故障诊断模型,从而区分各类轴承故障。SKF6205滚动轴承故障诊断实验结果表明,核主元分析方法能较好地获取故障响应信号的本质特征,并可直观地描述出了各个故障的低维分布特征,可有效提高轴承故障的诊断正确率。

关键词：轴承故障诊断小波分析核主元分析极端学习机

在线全文

学校读者我要写书评

暂无评论

鲁棒核主元分析的数据重构

信息与控制 2010年第3期39卷 379-384页

作者：黄宴委福州大学电气工程与自动化学院福建福州350108

针对野值点噪声对样本均值和协方差估计带来的不利影响,在线性鲁棒M位置估计方法的基础上,结合了核原理来估计协方差,提出了一种新型的鲁棒KPCA(核主元分析)算法.将所提出的算法应用于数据重构仿真实验,仿真测试结果表明当样本数据中存... 详细信息

针对野值点噪声对样本均值和协方差估计带来的不利影响,在线性鲁棒M位置估计方法的基础上,结合了核原理来估计协方差,提出了一种新型的鲁棒KPCA(核主元分析)算法.将所提出的算法应用于数据重构仿真实验,仿真测试结果表明当样本数据中存在野值点噪声时,由所提出的鲁棒KPCA算法实现样本数据重构时,要比KPCA具有更高的重构精度,抗野值点噪声性能更强.

关键词：核主元分析核函数M位置估计鲁棒核主元分析数据重构

基于多尺度核主元分析的非线性过程监控方法研究

在线全文

学校读者我要写书评

暂无评论

计算机与应用化学 2006年第12期23卷 1275-1279页

作者：邓晓刚田学民中国石油大学(华东)信息与控制工程学院山东东营257061

针对化工过程数据的多尺度性和非线性特性,提出了一种多尺度核主元分析方法(MSKPCA)监控过程的运行状态。使用小波变换在不同尺度下分解测量信号．然后借助于核函数对分解后的数据进行非线性变换,在变换后的线性空间中用主元分析(PCA)... 详细信息

针对化工过程数据的多尺度性和非线性特性,提出了一种多尺度核主元分析方法(MSKPCA)监控过程的运行状态。使用小波变换在不同尺度下分解测量信号．然后借助于核函数对分解后的数据进行非线性变换,在变换后的线性空间中用主元分析(PCA)提取过程数据的主要特征,构造监控统计量T2和Q来检测故障。在此基础上,提出了一种贡献图方法．计算过程变量对故障的贡献量,用于故障变量的分离。在TE过程上的监控结果表明,MSKPCA可以比PCA和动态PCA更迅速地检测到过程故障,贡献图方法能够正确地分离故障变量。

关键词：故障检测故障辨识小波分析核主元分析贡献图

在线全文

学校读者我要写书评

暂无评论

样本优化核主元分析及其在水质监测中的应用

中国环境监测 2012年第2期28卷 92-96页

作者：张传标倪建军刘明华马华伟河海大学计算机与信息学院江苏常州213022

核主元分析(KPCA)方法通过核变换将输入空间映射到高维特征空间,在特征空间进行主元分析。由于KPCA不适合大样本数据建模与分析,因此建模数据的选取非常重要,合理的数据样本可以简化运算,提高核主元分析的诊断准确度。文章提出一种优化... 详细信息

核主元分析(KPCA)方法通过核变换将输入空间映射到高维特征空间,在特征空间进行主元分析。由于KPCA不适合大样本数据建模与分析,因此建模数据的选取非常重要,合理的数据样本可以简化运算,提高核主元分析的诊断准确度。文章提出一种优化数据样本的KPCA方法,利用相似度函数的方法实现样本优化,再建立核主元分析模型,提取数据特征信息,并将该方法应用到水环境监测的传感器故障诊断中,通过试验分析,验证了该方法的有效性。

关键词：核主元分析相似度函数样本优化水环境监测传感器故障诊断

基于核主元分析和支持向量机的f-CaO含量预测

在线全文

学校读者我要写书评

暂无评论

武汉理工大学学报 2008年第6期30卷 130-134页

作者：舒云星许超李刚炎武汉理工大学机电学院武汉430070 洛阳理工学院洛阳471003

将核主元分析和支持向量机相结合,运用核主元分析对数据样本进行非线性特征提取,得到更易于回归的特征主元分量,达到了降低支持向量机的输入空间维数,然后运用最小二乘支持向量机进行训练,通过网格搜索和交叉验证确定最小二乘支持向量... 详细信息

将核主元分析和支持向量机相结合,运用核主元分析对数据样本进行非线性特征提取,得到更易于回归的特征主元分量,达到了降低支持向量机的输入空间维数,然后运用最小二乘支持向量机进行训练,通过网格搜索和交叉验证确定最小二乘支持向量机的最优参数。建立了预测水泥熟料游离氧化钙含量的核主元分析支持向量机模型。计算结果表明提出的模型能有效地预测水泥熟料游离氧化钙含量。

关键词：游离氧化钙软测量核主元分析支持向量机

基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用

在线全文

学校读者我要写书评

暂无评论

系统科学与数学 2009年第10期29卷 1311-1326页

作者：余乐安汪寿阳中国科学院数学与系统科学研究院北京100190 金融工程与金融管理研究中心长沙410114

信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构... 详细信息

信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构造基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型对信用数据进行了分类处理.在基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型中,首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,最后利用带可变惩罚因子最小二乘模糊支持向量机模型对降维后数据进行分类分析.为了验证,选择两个公开的信用数据集来进行实证分析.实证结果表明:基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型取得了较好的分类结果,可为信用决策者提供重要的决策参考依据.

关键词：核主元分析模糊支持向量机最小二乘原理可变惩罚因子信用分类.