检索结果-南通市图书馆

作者：张昱瑶西北师范大学

学位级别：硕士

人脸是一种关键的生物特征,在人类日常地交流中能表达和传递出丰富的信息。随着计算机视觉、物联网技术的迅猛发展,人脸识别因其便捷性和非接触性等诸多优势,成为生物识别领域的研究热点之一。人脸图像作为一种二维数据,普遍存在维度高... 详细信息

人脸是一种关键的生物特征,在人类日常地交流中能表达和传递出丰富的信息。随着计算机视觉、物联网技术的迅猛发展,人脸识别因其便捷性和非接触性等诸多优势,成为生物识别领域的研究热点之一。人脸图像作为一种二维数据,普遍存在维度高和数据多等问题,稀疏表示因其简化了图像数据的表示而被广泛地应用于图像处理领域。基于稀疏表示的人脸识别算法在人脸受到光照、局部遮挡等因素的影响时依然保持较强的鲁棒性,因此获得了大量研究人员的关注。本文在深入分析稀疏表示相关理论的基础上,对人脸识别中存在的难点问题展开研究并进行算法的改进。本文的主要工作和创新点如下:(1)基于稀疏表示的分类算法(Sparse Representation based Classification,SRC)使用维度较高且包含冗余信息的整个训练集作为字典对测试样本进行稀疏编码。当训练样本的数量增加时,字典的规模也会相应增大,进而使算法的复杂度增加。针对上述问题,本文提出了一种基于SRC结合稀疏嵌入维数约减的人脸识别算法。首先,该算法在目标函数中引入了鉴别性系数约束项,通过表示系数之间的距离关系减少样本的重构残差。然后,利用样本的标签信息迭代更新投影矩阵和表示系数。最后,将测试样本投影在低维空间中进行分类。在不同人脸数据库上的实验结果表明,所提算法提高了人脸图像在低维空间下的判别能力,相对其它算法可以取得较好的识别效果。(2)大多数人脸识别算法仅利用原始分辨率的图像进行训练,而没有考虑到分辨率不同的图像对字典性能的影响。人脸图像分辨率的变化可能会影响识别效果,导致算法的性能下降。针对上述问题,本文提出了一种多分辨率字典学习结合逆向表示的人脸识别算法。首先,该算法学习与多个分辨率样本相关联的字典,获得多分辨率字典表示下的第一类表示误差。然后,为每个测试样本生成不同的辅助样本,利用其它类别的训练样本、测试样本及其辅助样本依次近似地表示该分辨率下的所有训练样本,获得第二类表示误差。最后,用一种加权融合的方案来获得测试样本的分类结果。在不同人脸数据库上的实验结果表明,所提算法相对其它算法取得了较好的性能并且对分辨率变化更加有效。

关键词：人脸识别稀疏表示维数约减融合分类多分辨率逆向表示

基于拓扑结构保持的线性降维方法研究及其应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于拓扑结构保持的线性降维方法研究及其应用

作者：曾群芳华南理工大学

学位级别：硕士

流形学习和半监督学习是当前模式识别和人工智能领域的研究热点，已经受到了越来越多的研究者的关注。作为一种非线性的维数约减方法，流形学习算法能有效的发现高度非线性、属性强相关的复杂数据集的内在几何结构，为数据的进一步处理... 详细信息

流形学习和半监督学习是当前模式识别和人工智能领域的研究热点，已经受到了越来越多的研究者的关注。作为一种非线性的维数约减方法，流形学习算法能有效的发现高度非线性、属性强相关的复杂数据集的内在几何结构，为数据的进一步处理提供基础。半监督学习是一种介于监督学习和无监督学习之间的方法，目的是从少量已标记的数据集和大量未标记的数据集的基础上获得一个良好的学习期。流形假设是半监督学习中常用的一种假设方法，是指同一局部邻域内样本之间具有相似的性质，这个和流形学习中局部线性的思想是一致的。本文在对半监督学习和流形学习的发展现状和目前存在的问题的基础上，主要对基于流形假设的半监督学习在降维上做了研究。基于局部拓扑结构保持的流形学习算法局部线性嵌入（LLE， Locally Linear Embedding）和局部学习投影（LLP，Local LearningProjection），提出了两种半监督的基于局部和全局保持的半监督算法（LGS3DR和LLPPCA），这两种算法能很好的利用成对约束，并考虑了数据集的内在流形结构，保持了数据集的局部和全局结构。为了体现算法的有效性，首先将LGS3DR和LLPPCA算法与半监督算法SSDR、NPSSDR、CLPP和无监督算法PCA和BASELINE进行了分类性能比较，比较其在不同样本个数、不同K值、不同约束对数和不同约减维数下的分类性能。然后将LGS3DR和LLPPCA算法应用到图像分割上，同样和半监督算法SSDR、NPSSDR、CLPP和无监督算法PCA和BASELINE进行比较。最后验证局部信息、全局信息和约束信息对LGS3DR和LLPPCA算法的贡献度。本文提出的算法LGS3DR和LLPPCA无论是在分类还是在图像分割领域都要优于SSDR、CLPP、NPSSDR、PCA和BASELINE。

关键词：流形学习半监督学习维数约减流形假设图像分割

基于统计流形的Bag of Features降维研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于统计流形的Bag of Features降维研究与应用

作者：蒋莲西安电子科技大学

学位级别：硕士

Bagoffeatures方法自从2003年提出以来，在计算机视觉领域特别是图像分类和图像检索上得到了广泛的应用。它将每幅图像的局部特征集合映射成一个视觉词汇频率分布的直方图,使得图像仅需要使用一个直方图向量描述即可。但是，低维度的BO... 详细信息

Bagoffeatures方法自从2003年提出以来，在计算机视觉领域特别是图像分类和图像检索上得到了广泛的应用。它将每幅图像的局部特征集合映射成一个视觉词汇频率分布的直方图,使得图像仅需要使用一个直方图向量描述即可。但是，低维度的BOF向量缺乏辨识能力。为了保留足够多的信息，向量的尺寸一般维持在1000000维。这不仅导致了存储空间和计算时间上很高的复杂度，而且高维向量的“维数灾难”问题，使得高维索引方法随着维数升高性能急剧下降。因此，有必要在使用BOF向量之前先对其进行维数约简，而传统的PCA线性降维算法无法反映出数据之间所隐藏的非线性性质，在低维情况下对BOF向量的分类和查询性能有较大影响。针对这种情况，本文提出了一种新的基于统计流形的非线性降维算法，能够在保证数据信息足够完整的条件下合理的约减BOF向量的维数。本文利用BOF向量本身是概率密度函数这一特点，引入fisher信息距离作为相似度度量标准，然后使用MDS算法将统计流形空间的距离信息嵌入到低维欧式空间，得到BOF向量的低维嵌入。本文将这种新的BOF降维方法与传统的PCA方法进行了对比，并在多个图像集上做了实验。实验结果表面我们的方法更有优势，能够在保证分类和检索上效率和准确率的基础上，得到更低维的向量。

关键词： Bag of Features 统计流形 fisher信息距离维数约减

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

流形学习中局外样本点嵌入方法研究

流形学习中局外样本点嵌入方法研究

作者：魏云岩东北师范大学

学位级别：硕士

近年来,随着技术的发展,各种精密电子设备的应用,可以得到非常详尽的数据信息。尽管高维数据能更客观详尽的描述事物,但在科学研究中,不利于分析数据集内在的分布规律。数据降维算法目前被广泛的研究和应用,这类算法旨在发现高维数据的... 详细信息

近年来,随着技术的发展,各种精密电子设备的应用,可以得到非常详尽的数据信息。尽管高维数据能更客观详尽的描述事物,但在科学研究中,不利于分析数据集内在的分布规律。数据降维算法目前被广泛的研究和应用,这类算法旨在发现高维数据的低维流形几何结构。在简单处理具有线性结构和高斯分布的数据集时,传统的线性降维技术,例如主成分分析和线性判别分析等,它们能够得到想要的效果。实际应用中,大多数情况下,高维数据样本具有非线性结构,所以,要想发现这些非线性高维数据中的有用低维流形几何信息,使用传统的线性降维技术不可能得到一个满意的低维嵌入结果。流形学习是一种非线性数据降维方法,这种方法为有效地发现和保持在高维空间中样本集的内蕴几何结构,假设高维样本位于嵌入到高维空间的低维几何流形上。目前,在科学界,涌现出了一大批新的流形学习算法。但是,从高维空间到低维空间的显示映射是流形学习所不能直接提供的。所以,要想获得局外样本的低维表示,在学习阶段,必须将未知的局外样本与已知样本一起重新训练,这将非常耗时。很多现存的流形学习技术并没有包括局外样本扩展问题,所以有必要研究流形学习中局外样本点的嵌入方法。本文提出了一种基于局部约束的稀疏表示算法用于流形学习中局外样本点的嵌入问题。在本文提出的算法中,首先,算法中引入了稀疏表示,用已知样本来描述局外样本来实现局外样本的扩展;其次,为了提高分类效果,该算法通过加入局部约束条件来保持数据的局部结构信息,从而在流形学习过程中得到局外样本更准确的低维表示。最后,为了验证本文算法的有效性,分别在四个人脸数据库(Yale、AR、CMU PIE和Extended Yale B)进行了对比实验。实验证明,本文提出的算法相比较于其他现存的方法可以获得更高的识别率,而且比传统降维技术在处理局外样本扩展问题时节省了大量的时间。

关键词：维数约减流形学习局外样本嵌入局部约束

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分治法的鉴别特征提取算法研究与应用

基于分治法的鉴别特征提取算法研究与应用

作者：李升南京邮电大学

学位级别：硕士

鉴别分析是一种有效的特征提取算法,已被广泛应用到图像分类、生物特征识别等多个领域。然而,面对大规模数据时,由于样本分布呈现多样性,传统鉴别分析的分类性能将受到一定的制约。为了解决该问题,本文借鉴算法理论中“分治法”的基本思... 详细信息

鉴别分析是一种有效的特征提取算法,已被广泛应用到图像分类、生物特征识别等多个领域。然而,面对大规模数据时,由于样本分布呈现多样性,传统鉴别分析的分类性能将受到一定的制约。为了解决该问题,本文借鉴算法理论中“分治法”的基本思想(即把一个大规模问题分割为多个小规模的子问题),提出了一系列快速有效的鉴别特征提取新方法。首先,本文提出了基于最优子集划分的线性鉴别(OSDD)方法。该方法的基本思路是,利用聚类的手段把样本集划分为多个样本子集,从而能有效地从每个样本子集分别提取鉴别特征,然后再构造统一的投影空间。该方法能极大地减少传统鉴别分析方法的计算代价,然而,其中的难点问题是如何确定最优的子集个数。针对这一问题,我们设计了一种广义稳定性准则,用于度量不同子集划分情况下鉴别分析方法的适用程度。给定一个训练样本集,使用该准则可以自动确定最优的子集个数。其次,当多类样本线性不可分时,为了进一步增强OSDD的分类能力,我们将其扩展到核空间,提出了基于子集划分的核鉴别(OSKD)方法。该方法在非线性空间中使用核聚类算法划分子集,然后提取非线性鉴别特征。我们设计的广义稳定性准则也同样能在核空间中自动寻找最优子集个数。最后,“分治法”的思想也启发我们从其他角度研究鉴别分析技术。例如,一种常用的策略是把多类问题化简为多个两类问题。与现有方法不同,我们提出只考虑每类与其部分近邻类来提取鉴别特征。为了强化鉴别能力,我们直接在核空间设计算法,提出核近邻类鉴别分析(KADA)方法。其基本思想是：依次处理每个类别,将该类作为一类,该类的少数近邻类作为另一类,然后对该两类问题提取一个最优鉴别向量,最后再构造统一的投影空间。此外,考虑到鉴别信息的冗余性,我们引入不相关约束条件,提出统计不相关的核近邻类鉴别分析方法(KUADA)。在AR、FERET、CAS-PEAL等三个人脸图像数据库以及PolyU掌纹图像数据库上的实验结果充分验证了本文所提方法的有效性。同时,与传统方法相比较,本文提出的一系列新算法只需要很少的计算代价,具有一定的实用价值。

关键词：特征提取鉴别分析分治法维数约减图像分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PLS的文本分类技术研究

基于PLS的文本分类技术研究

作者：罗远胜江西师范大学

学位级别：硕士

近年来，随着网上电子文档的数量以指数级的速度增长，文本分类技术在信息检索、信息过滤以及内容管理等各项应用中变得越来越重要，已经成为信息检索和机器学习中的前沿研究领域。自动文本分类是指在给定的分类体系下，对未知类别的文... 详细信息

近年来，随着网上电子文档的数量以指数级的速度增长，文本分类技术在信息检索、信息过滤以及内容管理等各项应用中变得越来越重要，已经成为信息检索和机器学习中的前沿研究领域。自动文本分类是指在给定的分类体系下，对未知类别的文档进行自动处理，并根据文档特征来判断其所属类别的过程;基于机器学习的文本分类技术已经成为主流技术。本文旨在运用偏最小二乘回归和核偏最小二乘回归的统计理论，研究一些基于学习的文本分类技术。在文本分类中，有效的维数约简可以提高学习任务的效率和分类性能。特征选择和特征抽取是维数约简常用的两种方法。特征选择的优点是所选择的特征都有很好的语义解释，但在文本分类中效果不够理想。特征抽取能够较好地处理多义词、同义词问题，但是不能给出降维后所得到特征的语义解释。为了有效地提取特征所在类别的语义信息，本文提出了基于潜在语义文本分类模型(Latent Semantic Classification Model：LSC)的特征选择两步法：用LSC模型进行特征抽取;引入特征变量投影重要性(Variable Importance in Projection：VIP)指标来重新度量各特征的重要性，根据特征的重要性来进行特征选择。在复旦中文文本分类语料库上，实验表明新方法进行选择特征能很好地表示类别的语义信息，在一些经典模型上分类性能有较大提高。考虑了文本特征和分类信息的LSC模型本质上是线性模型。为了提高分类性能，通过引入核函数提出了一种非线性的文本分类模型：基于核方法的潜在语义文本分类模型(Kemel Latent Semantic Classification：KLSC)。实验结果表明该模型也能很好地表示文档空间的潜在语义结构信息，具有良好的分类性能。在LSC模型和KLSC模型中都面临一个关键问题：潜在变量对数量的确定。两个模型都是通过阈值ε来控制，在中文语料库上实验表明随着维数的增加，微平均F1值和宏平均F1值对阈值ε越来越敏感;在不同特征维数下，LSC模型所有类别阈值ε和潜在变量对数量呈非线性关系，而KLSC模型呈线性关系;我们发现大约20个左右的概念(concept)就可以很好地表示一个类别的语义信息。

关键词：文本分类潜在语义分类偏最小二乘回归核方法核偏最小二乘回归维数约减特征选择特征抽取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非负矩阵分解的降维方法研究与应用

基于非负矩阵分解的降维方法研究与应用

作者：王丹西安理工大学

学位级别：硕士

大数据时代,数据以维数高、知识体系混杂、数据量大等特点呈现,给基于数据的研究带来巨大的挑战。维数约减是从高维数据中抽取知识、形成组织、发现内在规律,进而减小冗余、增强特征价值密度、提高后续计算效率的有效方法。非负矩阵分解... 详细信息

大数据时代,数据以维数高、知识体系混杂、数据量大等特点呈现,给基于数据的研究带来巨大的挑战。维数约减是从高维数据中抽取知识、形成组织、发现内在规律,进而减小冗余、增强特征价值密度、提高后续计算效率的有效方法。非负矩阵分解(Non-negative matrix factorization,NMF)作为非线性且带有非负约束的矩阵分解降维方法,具有可解释性、计算简便、大规模处理数据等优点,因此广泛应用于人脸识别、盲源分离、时序分割等领域。但仍然存在容易受到噪声干扰、忽略高维稀疏特性等问题,本课题将针对NMF算法存在的问题,提出相应的解决方案。本文的工作总结如下:(1)针对非负矩阵分解存在的稳定性与稀疏性不平衡的问题,提出了一种基于弹性网的局部正则化非负矩阵分解算法(LNNMF)。该方法采用弹性网正则项平衡稳定性与稀疏性,提高算法的泛化能力;采用局部线性嵌入算法保留高维局部线性结构,增强原始数据空间的局部特征。在人脸数据集上通过对比实验,证明了算法的有效性。(2)针对NMF算法对噪声鲁棒性不足的问题,提出了基于L21范数的权重稀疏图非负矩阵分解(LSL21NMF)。由于L21范数对噪声不敏感,因此以L21范数作为度量准则,提高算法的鲁棒性;采用稀疏权重图保留高维结构,保证高维空间的平滑稀疏;将原始数据分解为两个非负矩阵的积与噪声项之和的形式,逼近真实模型。在加噪数据集上进行多组对比实验,验证了算法的鲁棒性及有效性。(3)针对非负矩阵分解算法容易受到噪声以及异常值影响的问题,提出了基于稀疏约束图的鲁棒非负矩阵分解算法(SGNMF)。该方法的稀疏约束图正则项使用多重度量方式增强算法的高维重构效果,同时在非线性重构过程中直接使用稀疏约束,使高维结构更加清晰直观;采用L2p范数作为度量准则构建模型,既控制全局低维子空间的稀疏度,又降低噪声对算法性能的影响。在多个数据库上进行对比实验,结果表明分类精度及聚类效果均得到提高,验证了该算法的有效性。

关键词：非负矩阵分解维数约减范数鲁棒性稀疏性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征间合作度的非监督特征选择算法

基于特征间合作度的非监督特征选择算法

作者：颜廷旭天津大学

学位级别：硕士

特征选择作为维数约减领域的一个重要分支,对增加机器学习结果的精确度和提高计算效率有着显著的作用。虽然特征选择算法已在监督条件下被广泛研究,然而在非监督条件下,由于缺少类别信息而使这项任务显得犹为困难。目前大多数非监督特... 详细信息

特征选择作为维数约减领域的一个重要分支,对增加机器学习结果的精确度和提高计算效率有着显著的作用。虽然特征选择算法已在监督条件下被广泛研究,然而在非监督条件下,由于缺少类别信息而使这项任务显得犹为困难。目前大多数非监督特征选择算法的思想都旨在通过消除噪声特征和冗余特征这种间接手段而获得有益特征的目的,但噪声和冗余并不总是能被算法同时消除。本文对特征选择思想做出了重新的解读,认为采用直接选择有益特征的手段不仅自然地可以同时消除冗余和噪声,而且能够显式地对所选特征之间的相互关系进行建模,概念上也更为明确。基于这种思想,本文假设整个特征空间的信息可以通过可互补的特征子集表达出来,进而试图通过一种基于特征间合作度的非监督特征选择过滤器方法以选择出其中一个互补特征子集。通过定义合作度的概念,本文首先对特征之间的相互关系进行描述,并基于此概念区分出互补特征。接着一种基于合作度概念且借助了层次聚类思想的算法框架在文章中被提出,试图选择出一组相互间合作度最大且满足模数要求的特征子集,并以此作为一组可互补的特征子集。本文在随后的篇幅中也给出了关于此算法对抑制引入噪声和冗余的分析,从而在理论上说明了该算法从本质上与消除噪声和冗余特征的思想在根本上是一致的。在对比实验中,该算法与其它主流非监督特征选择方法的效果优劣在九个不同的数据集上加以评估,并从结果中证实了本算法的有效性。最后,文章在总结了全文的同时也给出了该算法可能的改进方向,以及一些可能被进一步加以研究的新课题。

关键词：非监督过滤器特征间合作度特征选择维数约减

基于深度特征的成像光谱图像安全检索系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度特征的成像光谱图像安全检索系统设计与实现

作者：陈璐北京工业大学

学位级别：硕士

随着遥感对地观测技术的飞速发展,成像光谱数据呈现指数增长,特别是人工智能技术和高性能计算的加速崛起,进一步推动了成像光谱大数据时代的到来。因此,如何高效地组织和管理海量的成像光谱数据成为一个亟待解决的实际应用问题。此外,... 详细信息

随着遥感对地观测技术的飞速发展,成像光谱数据呈现指数增长,特别是人工智能技术和高性能计算的加速崛起,进一步推动了成像光谱大数据时代的到来。因此,如何高效地组织和管理海量的成像光谱数据成为一个亟待解决的实际应用问题。此外,作为数字地球等各项重大建设项目的基础性数据,成像光谱图像(spectral imagery)在城市规划、环境监测以及军事侦察等领域有着广泛的应用。然而,网络时代的开放性与共享性,使得网络信息安全问题日益突出,特别是含有重要信息的成像光谱图像则应具有严格的保密性,要确保检索过程中不发生失泄密事件。传统的采用手工设计特征的图像检索方法,由于一直未能很好地解决低层特征和高层语义之间的语义鸿沟问题,难以形成对成像光谱图像有效的特征表达,从而制约了成像光谱图像检索技术的进一步发展。而现有的成像光谱图像检索技术所关注的是如何设计有效的机制来提高检索性能,往往忽略了图像内容的安全性问题。针对海量成像光谱图像,如果在保证图像检索性能的同时,有效地保障成像光谱图像的安全性则具有重要的实际研究意义和广泛的工程应用价值。为此,论文从图像检索和安全相互结合、相互支持的观点出发,设计并实现一个基于深度特征的成像光谱图像安全检索(secure retrieval)系统,具体研究内容包括:(1)考虑到深度学习技术强大的特征学习能力,提出了一种成像光谱图像的深度光谱-空间特征提取方法。首先选取成像光谱图像的纯净像元获得光谱、空间向量;然后叠加光谱-空间向量作为训练样本,对深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)网络模型进行训练;最后利用训练好的DCGAN网络模型提取深度光谱-空间特征。实验结果表明,采用深度光谱-空间特征表示成像光谱图像可以提高图像检索的准确率。(2)针对成像光谱图像深度特征维数过高的问题,设计了一种成像光谱图像的深度光谱-空间特征降维方法。首先通过模糊C均值聚类(Fuzzy C-Means,FCM)从成像光谱图像库选取深度光谱-空间特征的代表数据;然后采用基于t-分布随机近邻嵌入(t-Distributed Stochastic Neighbor Embedding,t-SNE)的非线性流形方法对代表数据进行降维;最后利用基于t-SNE的非线性流形哈希实现成像光谱图像的深度光谱-空间特征降维。实验结果表明,基于t-SNE的非线性流形哈希降维方法,可以在保持深度光谱-空间特征表示能力的同时,有效实现深度特征的维数约减,从而大幅提高检索效率。(3)为了保证检索过程中的安全性,设计并实现了基于特征随机化加密的成像光谱图像安全检索系统。首先在保持汉明距离不变的情况下,利用特征随机化加密技术对降维后的深度光谱-空间特征哈希码进行加密保护;然后在加密域选择多索引哈希计算汉明距离进行相似性匹配;最后在系统检索过程中引入特征权重调整的相关反馈机制,进一步优化检索结果。实验结果表明,论文设计的成像光谱图像安全检索系统,可以在保证图像检索准确率的同时,有效保障图像内容的安全性。

关键词：成像光谱图像安全检索深度特征维数约减特征随机化加密

基于全局和局部特征提取的旋转机械故障诊断算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全局和局部特征提取的旋转机械故障诊断算法研究

作者：张茂岩安徽理工大学

学位级别：硕士

旋转机械内部轴承和齿轮等核心部件极易损坏,为确保设备能够正常运行并防止重大事故的发生,对其进行有效的故障诊断和状态监测具有重要意义。通常从机械设备采集的振动信号包含能够反映其运行状态的重要信息,然而原始数据中存在大量的... 详细信息

旋转机械内部轴承和齿轮等核心部件极易损坏,为确保设备能够正常运行并防止重大事故的发生,对其进行有效的故障诊断和状态监测具有重要意义。通常从机械设备采集的振动信号包含能够反映其运行状态的重要信息,然而原始数据中存在大量的冗余信息和噪声,导致故障诊断系统的性能不佳,为此,需要一种有效的方法从高维故障数据中提取有价值的判别信息。基于上述问题,本文以故障数据的特征提取算法为具体研究对象,以提高故障诊断的精度为目标开展研究与探讨。本文的主要工作有以下几点:(1)故障诊断方法通常对异常值敏感,并且难以同时提取全局和局部判别信息,从而导致低维判别特征子集类间分离性不佳,针对该问题提出了一种基于全局-局部欧拉弹性判别投影的旋转机械故障诊断方法。该方法通过余弦度量将高维故障特征映射到欧拉表示空间,扩大异类故障样本间的差异,然后在该空间中构建了基于全局、局部及类间散布三个目标函数的最优化模型,实现了在保持整体结构的基础上,进一步提高低维判别特征子集的局部类内聚集性和全局类间分离性。在轴承和齿轮箱两个机械故障数据集上的实验结果表明,所提方法可以有效发掘故障判别信息,具有优越的故障诊断性能。(2)针对于欧拉故障数据的全局和局部鉴别信息捕获不全面且难以平衡的问题,提出了一种基于欧拉表示的结构平衡判别投影算法。首先,将高维故障特征映射到欧拉表示空间。然后,在这个空间中构建结合了四个带有不同结构和类信息的目标函数的统一目标模型。最后,给出了一种用于优化算法统一目标模型的自适应平衡策略,实现了投影子空间中全局和局部特征之间的弹性平衡。该算法的诊断性能通过两个机械故障案例进行了分析和验证,实验结果表明该算法能够捕捉到有效的故障判别特征。(3)针对于子空间学习算法难以获取和平衡故障数据的自适应全局和局部固有图结构信息的问题,提出了一种新的基于图平衡判别投影的弹性子空间诊断算法。该算法通过样本间协同表示和监督信息构建了自适应全局几何图和自适应局部几何图,并进一步给出了构建弹性子空间学习优化模型的图平衡策略。该算法在捕捉故障数据固有判别结构的基础上,提高了弹性子空间的类内聚集性和类间可分性,实现了对应于全局和局部信息权重的自动学习。在两个不同实验案例上的结果表明,所提算法具有较强的鲁棒性,可以提取出更具鉴别力的低维敏感特征,提高故障诊断的精度。图[38]表[9]参[75]

关键词：故障诊断维数约减特征提取欧拉表示参数自适应