检索结果-南通市图书馆

mRMR特征筛选和随机森林的故障诊断方法研究

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 2022年第3期36卷 175-183页

作者：常梦容王海瑞肖杨昆明理工大学信息工程与自动化学院昆明650500

针对滚动轴承原始振动信号重要特征信息被较强背景噪声淹没以及提取的时域特征冗余度较高、相关性较强的缺点,提出一种基于最大相关-最小冗余(max-relevance and min-redundancy,mRMR)特征筛选和随机森林的滚动轴承故障诊断研究方法。... 详细信息

针对滚动轴承原始振动信号重要特征信息被较强背景噪声淹没以及提取的时域特征冗余度较高、相关性较强的缺点,提出一种基于最大相关-最小冗余(max-relevance and min-redundancy,mRMR)特征筛选和随机森林的滚动轴承故障诊断研究方法。首先将原始信号进行自适应噪声完整集成经验模态分解(CEEMDAN)得到一系列固有模态分量(IMFs),分析IMF并去掉高频噪声和一部分虚假分量,再将信号进行重构并提取其时域特征,通过mRMR去除冗余性和相关性较高的特征向量,使筛选出的特征子集与标签有最大的依赖性,最后将该特征子集输入到随机森林分类器进行分类。实验表明,mRMR具有优良的特征搜索策略,重要特征均靠前得到选取,仅需3个特征便能达到较高的分类准确率,效率高于其余特征选择算法。

关键词：特征筛选时域特征 mRMR 冗余性相关性

基于PlanetScope影像的典型绿洲土壤盐渍化数字制图

在线全文

学校读者我要写书评

暂无评论

干旱区地理 2023年第8期46卷 1291-1302页

作者：李科丁建丽韩礼敬葛翔宇顾永昇周倩吕阳霞新疆大学地理与遥感科学学院/智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆阿克苏地区渭干河流域管理局新疆阿克苏842000

干旱半干旱地区急需高分辨率的土壤盐度图用于显示盐度空间分布的细微变化,指导盐渍化区域和潜在盐渍化区域制定土地资源管理政策和水资源管理政策,防止土壤进一步退化,保障农业经济可持续发展和粮食安全生产。基于PlanetScope影像,提... 详细信息

干旱半干旱地区急需高分辨率的土壤盐度图用于显示盐度空间分布的细微变化,指导盐渍化区域和潜在盐渍化区域制定土地资源管理政策和水资源管理政策,防止土壤进一步退化,保障农业经济可持续发展和粮食安全生产。基于PlanetScope影像,提取植被光谱指数和土壤盐度指数,共计21个变量,将其输入装袋回归(Bootstrap aggregating,Bagging)算法中,构建了土壤盐度预测模型Model-Ⅰ;使用最相关最小冗余(Max-relevance and min-redundancy,mRMR)方法筛选特征变量,将其输入Bagging中,构建了土壤盐度预测模型Model-Ⅱ,使用野外采样数据来辅助建模并进行验证。通过模型评价指标对Model-Ⅰ和Model-Ⅱ进行评估。结果表明:Model-Ⅱ的预测性能优于Model-Ⅰ(验证集决定系数为0.66,均方根误差为18.00 dS·m-1,四分位数的相对预测误差为3.21),mRMR有效降低了多维特征冗余问题。PlanetScope影像结合mRMR方法成功绘制了高分辨率土壤盐度图,提供了更详细的土壤盐度空间分布信息,研究结果对利用PlanetScope数据监测土壤盐渍化信息起推动作用。

关键词： PlanetScope mRMR Bagging 土壤盐渍化数字制图技术

混合mRMR和改进磷虾群的肿瘤基因特征选择算法

在线全文

学校读者我要写书评

暂无评论

西北大学学报（自然科学版） 2022年第2期52卷 262-269页

作者：吴辰文纪海斌兰州交通大学电子与信息工程学院甘肃兰州730070

为了从高维基因表达谱数据中识别出与肿瘤分类高相关的基因子集,提出一种基于最小冗余最大相关(minimal redundancy maximal relevance,mRMR)和改进磷虾群(improve krill herd,IKH)算法的两阶段混合特征选择算法,即采用最小冗余最大相... 详细信息

为了从高维基因表达谱数据中识别出与肿瘤分类高相关的基因子集,提出一种基于最小冗余最大相关(minimal redundancy maximal relevance,mRMR)和改进磷虾群(improve krill herd,IKH)算法的两阶段混合特征选择算法,即采用最小冗余最大相关算法评价特征重要性以筛选出高相关、低冗余的基因子集,然后,结合改进磷虾群算法迭代寻优对特征进一步提取。采用支持向量机(support vector machine,SVM)算法作为分类器,在6个肿瘤基因数据集上进行实验分析和比较。实验结果表明,文中提出的方法在分类准确率和特征选择数量方面相比其他算法具有更好的表现。

关键词：特征选择磷虾群 mRMR 肿瘤基因非线性递减混沌映射

基于mRMR的自然崩落法可崩性综合评价研究

在线全文

学校读者我要写书评

暂无评论

岩石力学与工程学报 2016年第A02期35卷 4148-4153页

作者：曹辉于世波王贺秦秀山原野北京科技大学土木与环境工程学院北京100083 北京矿冶研究总院北京100160

岩体的可崩性是决定自然崩落法成败的关键,旨在建立一套基于三维地质统计学方法的矿岩可崩性评价体系。采用距离幂次反比法将钻孔采取的地质信息三维空间数字化,采用3DMine数值计算平台构建基于mRMR岩体质量评价体系的三维数字化模型,... 详细信息

岩体的可崩性是决定自然崩落法成败的关键,旨在建立一套基于三维地质统计学方法的矿岩可崩性评价体系。采用距离幂次反比法将钻孔采取的地质信息三维空间数字化,采用3DMine数值计算平台构建基于mRMR岩体质量评价体系的三维数字化模型,从宏观方面评价岩体可崩性区域分布;结合工程类比及崩落块度预测,形成一套矿岩可崩性综合评价体系;最后,将该评价方法应用于Don Javier矿区自然崩落法可崩性评价研究。研究结果表明,该评价体系能够满足自然崩落法岩体可崩性评价分析的需要;Don Javier矿区1 800-2 400 m的mRMR均值为56.4,矿体Ⅲ级中等可崩,初始拉底面积约为15 000 m2;预测Don Javier矿区的崩落块度在0.06-2.95 m3范围,侧面验证了可崩性评价结果的合理性。

关键词：采矿工程自然崩落法可崩性 mRMR 工程类比崩落块度

基于特征优选和狮群优化支持向量机的铣刀磨损状态识别

在线全文

学校读者我要写书评

暂无评论

昆明理工大学学报（自然科学版） 2023年第1期48卷 68-76页

作者：王佳晖王澄郇战余中舟常州大学微电子与控制工程学院江苏常州213000 常州大学计算机与人工智能学院江苏常州213000 江苏立达电梯有限公司江苏常州213300

在数控机床加工过程中对其铣刀的磨损状态进行识别与监测是实现智能制造的重要课题之一.以往的人工识别法会造成过早或过晚更换刀具的问题,使用机器学习对刀具磨损状态进行识别已成为主流.本文对采集到的刀具信号,选择对切削力信号和振... 详细信息

在数控机床加工过程中对其铣刀的磨损状态进行识别与监测是实现智能制造的重要课题之一.以往的人工识别法会造成过早或过晚更换刀具的问题,使用机器学习对刀具磨损状态进行识别已成为主流.本文对采集到的刀具信号,选择对切削力信号和振动信号进行特征提取.针对特征子集的优化选择,提出了多层Filter式特征选择算法PP_mRMR(Pearson+PCA+mRMR),逐层降低特征维数,减少每层计算量,得到维数低、冗余度小的优选特征子集.最后再使用狮群优化算法(LSO)优化支持向量机(SVM)的参数,并利用优化好的LSO-SVM分类器实现刀具磨损状态识别.计算机仿真实验结果表明,对优选的特征子集,采用经过LSO优化后的SVM算法能够准确识别铣刀的磨损状态.相比于现有的其他算法,识别准确率提升了2.4%,可达98.13%,并且由于算法迭代速度更快,识别时间也更少.

关键词：刀具磨损识别特征优选 Pearson PCA mRMR 狮群优化算法支持向量机

基于FP-Growth算法的10kV配电网分支线断线故障诊断与定位方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2019年第12期43卷 4575-4581页

作者：刘思怡苏运张焰上海交通大学电子信息与电气工程学院上海市闵行区200240 国网上海市电力公司上海市浦东新区200122

针对10 kV配电网分支线断线不接地故障难以被诊断的问题,利用配电网多源数据,提出通过数据间关联规则的挖掘进行断线故障诊断与定位的方法。首先根据已有数据源,建立兼具电气量特征与时空量特征的故障诊断特征库,然后通过m RMR(最小冗... 详细信息

针对10 kV配电网分支线断线不接地故障难以被诊断的问题,利用配电网多源数据,提出通过数据间关联规则的挖掘进行断线故障诊断与定位的方法。首先根据已有数据源,建立兼具电气量特征与时空量特征的故障诊断特征库,然后通过m RMR(最小冗余最大相关)算法进行特征选择,筛选出用于断线故障诊断的主要特征,最后基于FP-Growth(频繁模式增长)算法,进行关联规则挖掘,进而确定是否发生了分支线断线不接地故障并判断故障位置。实际算例分析表明,所提方法能快速、准确地对10 kV配电网分支线断线不接地故障的发生及地点做出诊断,且具有较好的容错性。

关键词： 10 kV配电网分支线断线故障诊断 FP-Growth mRMR 关联规则

基于mRMR的光伏出力匹配方法研究及预测应用

在线全文

学校读者我要写书评

暂无评论

可再生能源 2021年第10期39卷 1314-1319页

作者：杨茂王凯旋现代电力系统仿真控制与绿色电能新技术教育部重点实验室东北电力大学吉林吉林132012

针对光伏出力匹配系统存在的气象因子选取不合理、有效信息提取不够精细化等问题,文章提出一种基于mRMR的光伏出力匹配方法。该方法采用皮尔逊相关系数对数据库进行缩减,减少冗余数据空间;然后,通过互信息理论剔除耦合气象因素,挖掘待... 详细信息

针对光伏出力匹配系统存在的气象因子选取不合理、有效信息提取不够精细化等问题,文章提出一种基于mRMR的光伏出力匹配方法。该方法采用皮尔逊相关系数对数据库进行缩减,减少冗余数据空间;然后,通过互信息理论剔除耦合气象因素,挖掘待匹配日气象因素与短波辐射之间的联系,进一步提高光伏出力匹配标准;最后,将提取出的待匹配日特征通过马氏距离进行光伏出力匹配。文章利用基于mRMR的光伏出力匹配方法,在4种天气类型条件下,对新疆某光伏发电站的光伏出力进行匹配。分析结果表明了该匹配方法的正确性和有效性。

关键词：光伏出力匹配 mRMR 皮尔逊相关系数互信息马氏距离

在线全文

学校读者我要写书评

暂无评论

数据驱动的新型电力系统断面极限估算方法

智慧电力 2022年第11期50卷 9-16页

作者：任柯政徐泰山郭瑾程涂孟夫陆进军刘俊丁涛西安交通大学电气工程学院陕西西安710049 南瑞集团有限公司(国网电力科学研究院) 江苏南京211000 智能电网保护和运行控制国家重点实验室江苏南京211000

针对传统断面极限离线仿真算法计算量大、计算时间长,难以满足多运行方式精细化管理等问题,提出了一种数据驱动的基于最小冗余最大相关和AdaBoost的新型电力系统断面极限估算方法。首先对电力系统运行特征与断面极限进行相关性分析,采... 详细信息

针对传统断面极限离线仿真算法计算量大、计算时间长,难以满足多运行方式精细化管理等问题,提出了一种数据驱动的基于最小冗余最大相关和AdaBoost的新型电力系统断面极限估算方法。首先对电力系统运行特征与断面极限进行相关性分析,采用最小冗余最大相关算法提取系统关键特征;然后利用AdaBoost算法进行断面极限的回归分析。实际电网算例估算结果表明了所提方法的有效性。

关键词：断面极限数据驱动 mRMR AdaBoost

在线全文

学校读者我要写书评

暂无评论

飞机发动机起动系统故障诊断技术研究

飞机发动机起动系统故障诊断技术研究

作者：宋博文沈阳航空航天大学

学位级别：硕士

起动系统是飞机发动机的重要组成部分,其工作状态是否正常直接影响到飞机的飞行安全,因此对其进行故障诊断技术研究尤为重要。本文以某型飞机发动机起动系统为具体研究对象,采用多种先进方法对其进行了故障诊断技术研究。主要内容如下:... 详细信息

起动系统是飞机发动机的重要组成部分,其工作状态是否正常直接影响到飞机的飞行安全,因此对其进行故障诊断技术研究尤为重要。本文以某型飞机发动机起动系统为具体研究对象,采用多种先进方法对其进行了故障诊断技术研究。主要内容如下:(1)研究了基于mRMR的发动机起动系统表征参数选取技术。采用最大相关最小冗余算法(Max-Relevance and Min-Redundancy,mRMR)对获取的发动机监测参数数据进行了选取技术研究,确定了起动系统故障诊断技术所需监测参数,为后续的故障诊断技术研究奠定了基础。(2)研究并设计了基于ABC-PNN的发动机起动系统故障诊断模型。采用概率神经网络(Probabilistic Neural Network,PNN)对起动系统进行了故障诊断技术研究,并采用人工蜂群算法(Artificial Bee Colony,ABC)优化PNN网络的平滑因子参数,创建了基于ABC-PNN的故障诊断模型。经验证,ABC-PNN故障诊断模型的准确率为92.33%。(3)研究并设计了基于ABC-LSTM的发动机起动系统故障诊断模型。采用长短期记忆神经网络(Long Short-Term Memory,LSTM)对起动系统进行了故障诊断技术研究,并采用ABC算法优化LSTM网络的隐含层神经元数目,创建了基于ABC-LSTM的故障诊断模型。经验证,ABC-LSTM故障诊断模型的准确率为95.67%。(4)研究并设计了基于MOABC-CNN-LSTM的发动机起动系统故障诊断模型。该模型充分利用卷积神经网络(Convolutional Neural Networks,CNN)特征自动提取与长短期记忆神经网络擅长处理时间序列数据的特点,采用多目标人工蜂群算法(Multi-objective Artificial Bee Colony,MOABC)同时优化CNN网络卷积层的卷积核大小与LSTM网络隐含层神经元数目两个目标参数,创建了基于MOABC-CNN-LSTM的故障诊断模型,经验证。MOABC-CNN-LSTM故障诊断模型的准确率为97.33%。(5)对发动机起动系统不同故障诊断模型的诊断效果进行了比较分析。结果表明,MOABC-CNN-LSTM故障诊断模型的故障诊断效果最好,明显优于本文所研究的其它故障诊断模型,具有较好的应用前景。

关键词：故障诊断 mRMR ABC-PNN ABC-LSTM MOABC-CNN-LSTM