导读:本文包含了特征提取与约简论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,稀疏,分解,粗糙,变流器,故障诊断,流形。
特征提取与约简论文文献综述
郑国强,汪玉,高博,王志国,陈凯[1]（2018）在《基于SOLPP维数约简的电机轴承故障特征提取》一文中研究指出为提高电机轴承故障诊断的准确性,提出了基于监督正交局部保持映射(SOLPP)的电机轴承故障特征提取方法。该方法首先从多个角度构建出高维多域的混合故障特征集;然后利用监督正交局部保持映射对高维特征集进行约简,以获得对轴承故障状态敏感度高且聚类性好的低维特征;最后采用支持向量机(SVM)进行故障识别,评估特征提取的效果。电机轴承不同类型和不同程度故障诊断实验结果表明,提取的轴承故障特征可以表征轴承故障状态,验证了该方法的有效性。(本文来源于《电子测量与仪器学报》期刊2018年06期）
岳应娟,王旭,蔡艳平,牟伟杰[2]（2018）在《基于时频图像特征约简的柴油机故障特征提取新方法》一文中研究指出针对柴油机振动响应信号时频表示特征提取困难的问题,提出了一种直接对柴油机振动谱图像进行特征约简的时频特征提取新方法。通过现有的时频分析方法生成柴油机振动谱图像,采用叁次卷积插值法对图像矩阵的维度进行压缩,并将矩阵分块计算的方法与稀疏非负矩阵分解算法(sparse non-negative matrix factorization,SNMF)相结合,用来直接对压缩后的振动谱图像进行特征约简以获取蕴含在其内的低维特征。将提出的方法应用于4种不同状态的柴油机气门故障特征提取试验中,结果证明该方法可准确、快速提取柴油机气门故障特征。(本文来源于《汽车工程》期刊2018年01期）
刘畅[3]（2017）在《基于压缩感知的滚动轴承特征提取与特征约简方法研究》一文中研究指出状态数据反映设备的实时运行状态,是获取设备状态变化趋势、分析设备故障根源的重要依据。状态数据是关系到企业生产运行、监控和管理不可缺少的重要资源,需要实时、快速、准确的分析和处理,以便能够及时、准确的掌握设备的运行状态。随着生产连续运行和状态监测的持续,设备的状态数据始终处于增长的趋势。海量数据的安全存储、有效传输、高效分析等方面的问题也逐渐成为当前状态监测和故障诊断领域中不可忽视的问题。压缩感知是基于信息采集的一种全新的数据采集和处理框架,其主要思想是利用信号的稀疏性特征,从少量的观测数据中高概率的重构出原始信号,它为状态监测获得的海量数据处理提供了一个新的途径。本学位论文在国家自然科学基金青年项目"基于压缩感知的滚动轴承稀疏特征提取方法研究"(项目编号:51405211)的资助下,采用理论研究和实验验证相结合的研究路线开展研究。作者以稀疏表示理论和压缩感知理论为基础,研究滚动轴承的特征提取与特征约简问题,通过分析振动信号、声发射信号,对压缩感知框架进行改进并用于滚动轴承的故障诊断。主要研究内容包括:(1)本文综述国内外相关文献的研究现状,对压缩感知理论及关键问题进行概述,总结压缩感知在故障诊断领域的研究成果,归纳压缩感知理论在故障诊断领域中研究存在的问题,并提出有针对性的解决方案,为压缩感知理论在机械设备故障诊断技术中的应用提供参考和借鉴的方向。(2)论文在压缩感知理论的基础上,将信号的分析处理从经典时域空间转移到低维压缩空间,开展滚动轴承振动信号的数据压缩和特征提取方法的研究。研究信号在降维投影中的近似等距性质,并使用高斯随机矩阵实现轴承信号的压缩。在压缩域内提出一种基于近似等距投影的特征提取方法,将该方法和支持向量机技术相结合,提出一种基于压缩域特征的滚动轴承故障诊断模型。(3)针对声发射信号存储问题提出一种压缩方法。将压缩感知理论与声发射技术相结合,以滚动轴承声发射信号为研究对象,在压缩域内研究滚动轴承声发射信号的分解和频带能量特征提取。提出一种从压缩数据提取频段能量特征的方法,用于评估滚动轴承全寿命周期的状态。(4)论文研究滚动轴承不同特征指标对故障的敏感性,将特征指标的敏感度量化问题转变为特征向量的稀疏表示问题进行求解。以滚动轴承振动信号的高维特征向量为研究对象,研究滚动轴承特征向量的稀疏性。分析高维联合特征集合在特定字典上的稀疏表示,使用训练学习方法构造稀疏字典,验证高维特征在稀疏字典上的稀疏性。(5)研究基于改进压缩感知框架的滚动轴承特征约简问题。在压缩感知框架下将高维特征约简为转换为压缩感知问题进行求解。基于近似等距投影性质,将高斯随机矩阵用于特征的降维。引入压缩学习模型,提出一个基于低维特征的故障诊断模型。实验证明使用低维特征能够正确进行分类且计算效率更高。(本文来源于《昆明理工大学》期刊2017-03-01）
梁金平,董唯光,毛向德[4]（2015）在《变流器故障特征提取与维数约简方法研究》一文中研究指出针对风电变流器故障信号非平稳、非线性的特性,结合经验模态分解(EMD)对非线性信号处理的自适应性和分形盒维数能对非线性行为定量描述的特点,提出基于EMD与分形的变流器故障特征提取方法。逆变输出叁相电压信号经EMD处理后,将所得的含故障特征的固有模态分量的信息熵作为能量分布特征,分形盒维数作为结构特征,2种特征量结合较之前单一特征量更能精确反映变流器故障状态。但该特征提取法容易引发维数灾难,因此引入有监督增量式正交判别邻域保持嵌入流形学习方法来对故障特征进行维数约简,研究参数k,d的选择问题,加入类标签信息增强局部类内几何关系、最大化类间距离,并根据流形采样密度和曲率对k进行自适应调节。基于关联维数对吸引子不均匀性反应敏感,更能反映吸引子动态结构的特性,利用其对d进行估计,弥补通常情况下参数d难以确定的不足。通过Matlab仿真,验证了所提方法对变流器故障识别的准确性与有效性,且识别率提高明显。(本文来源于《计算机工程》期刊2015年12期）
张焱,汤宝平,刘自然,陈仁祥[5]（2015）在《时频表示特征约简的旋转机械故障特征提取方法》一文中研究指出针对二维时频表示特征提取困难这一问题,在分析基追踪与二维非负矩阵分解方法(Two Dimensional Nonnegative Matrix Factorization,2DNMF)的基础上,提出一种基于时频表示特征约简的时频特征提取方法。利用基追踪方法将信号分解成基于信号多特征冗余原子库的一组原子的线性组合,组合各分解原子的Wigner-Ville分布获取信号基追踪时频表示,采用2DNMF对基追踪时频表示的幅值矩阵进行特征约简以获取蕴含在其内部的低维特征。将提出的方法应用于8种不同状态轴承信号的特征提取中,实验结果证明了方法的有效性。(本文来源于《振动工程学报》期刊2015年01期）
吴松松[6]（2011）在《维数约简研究及其在特征提取中的应用》一文中研究指出面对日益增长的海量数据,人们越来越多地依赖计算机智能化地从数据中得到问题解决所需要的有用信息。作为智能化数据分析的重要手段,维数约简技术不仅有效减低了处理过程的计算复杂度,也显着提高了数据分析的准确性和有效性。维数约简技术广泛应用于模式识别和计算机视觉领域,其中基于维数约简的特征提取已成为解决诸多相关问题的关键因素。尽管关于维数约简的研究已取得丰富的成果,但当前数据呈现出的高维数和多模态特点带来了新的挑战。在人脸图像识别、视频序列分析、文本与图像检索等实际应用的驱动下,维数约简技术通过对现有方法进行完善或探索新的理论方法获得了进一步的发展。本文立足于当前的数据形势,深入研究了关于向量数据和高阶数据的维数约简技术及其在特征提取中的应用问题。作为维数约简研究的一些新成果,本文提出的算法在数据可视化和人脸识别中得到了较好的应用。流形嵌入是目前非监督向量数据降维的研究热点,在探索数据的潜在结构上该方法具有优势。然而流形嵌入方法无法获得数据空间到低维特征空间的显式映射关系,故难于对新数据进行维数约简。针对这个问题,本文提出了面向流形的随机近邻投影(MSNP)用于非监督特征提取。MSNP算法在随机近邻嵌入(SNE)算法的启发下提出,基本想法是改善SNE算法的非线性流形展开能力和用显式的线性投影近似流形嵌入的非线性映射以适于特征提取任务。本文分析了SNE算法的不足,在以下叁个方面进行了改进和完善：(1)提出在数据空间中用测地线距离代替欧氏距离构建随机近邻选择概率,从而提高了描述数据相似关系的准确性。(2)提出在低维特征空间使用柯西分布代替学生t分布构建随机近邻选择概率,以增强算法对数据的适应性。(3)在近邻概率分布保持的原则下引入线性投影得解决了新样本的维数约简问题,同时基于共轭梯度的迭代解法简明直观并具有比SNE更快的收敛速度。本文通过数据可视化、人脸识别和掌纹识别实验考察了MSNP的算法性能,包括投影基的性质、算法收敛性和特征提取能力。实验结果证明本文所提出的MSNP算法是一种有效的非监督向量数据降维方法,具有挖掘数据复杂模式的能力。在监督化向量数据降维方面,局部化线性鉴别分析方法考虑了数据的局部结构信息,提取鉴别特征的能力强于传统的全局线性鉴别方法。经过深入研究,本文发现已有的局部化线性鉴别方法普遍存在模型参数多且不易设置的问题。针对此问题,本文对局部线性鉴别分析的自适应问题进行了探索研究。本文提出了由同类局部近邻样本确定的局部邻域概念,其中的异类近邻样本能够自动被确定。在新的局部邻域内,同类和异类样本的分布反映了数据集不同局部的数据特性。据此,本文发展出了一种自适应的局部线性鉴别方法。该方法采用差分鉴别模型,模型中反映同类样本和异类样本权重的参数由局部近邻的特性自动设置。由于只需要同类近邻样本数这一个参数,本文提出的算法大大提高了局部线性鉴别分析在特征提取上的可用性。通过对人脸识别实验结果的分析,本文发现与已有的局部线性鉴别算法相比,所提出的自适应算法多数情况下能提升所得特征的鉴别能力,即便在训练数据极端少的情况下也取得了与已有方法相当的识别效果。对于如图像和视频这一类的高阶数据,近几年兴起的张量化维数约简方法基于数据的张量模型利用多重线性投影以获得数据的线性结构。尽管也出现了如张量LPP和张量NPE这样的方法试图获取张量数据的非线性结构信息,但基于多重线性投影的降维方式导致非线性结构信息在降维过程中不可避免地遭到损失。本文从张量数据采样自低维非线性流形的假设出发,提出了一种直接获得张量数据的低维嵌入(即参数化坐标)的非监督降维算法。该算法利用局部秩一张量投影所得到的低维向量来刻画张量数据的局部线性结构,然后在局部坐标全局化排列的原则下由局部仿射变换得到张量的全局性低维表示。由于维数约简过程依赖于一个非线性映射,本文提出的算法能有效挖掘张量数据的非线性结构。此外,为了方便特征提取,本文基于数值插值方法给出了张量嵌入的一种泛化方案。数据可视化的实验结果表明,本文提出的张量嵌入方法能有效发现张量数据流形的潜在结构,而人脸图像识别上的实验结果证明所提算法经过泛化扩展后能从张量数据中提取出有效的模式特征。本文针对张量数据的监督化特征提取问题,提出了一种新的张量化降维算法---“局部鉴别化正交秩一张量投影”(LDOROTP)。该算法的目标是从张量数据中提取出紧凑的特征并同时赋予特征相当的鉴别能力。LDOROTP算法通过正交秩一张量投影获得张量数据的向量形式的特征,并通过局部鉴别分析求取最优的投影张量基。与已有的算法相比,本文所提出的算法创新点在于：(1)局部鉴别分析采用所有的同类样本和适当数量的异类近邻样本；(2)在局部邻接图中引入新的加权函数对局部鉴别信息进行编码。LDOROTP算法的目标函数建立在差分鉴别模型上,避免了难以处理的奇异矩阵求逆问题。除此之外,LDOROTP算法对于秩一张量的正交性约束提出了轮换正交的策略,增强了算法结果的稳定性。本文提出的算法在人脸图像特征问题上进行了验证,实验结果证明LDOROTP算法在提取张量数据的鉴别特征方面是有效的。(本文来源于《南京理工大学》期刊2011-12-01）
史志才,夏永祥[7]（2011）在《基于知识约简的网络入侵特征提取》一文中研究指出为改善入侵检测系统的性能,提出一种基于知识约简的特征提取方法,根据粗糙集理论给出入侵检测系统的形式化描述,使用知识约简提取属性特征,通过信息损耗和信息增益分别控制连续数值属性特征的离散化和属性特征的约简过程。实验结果证明,该方法可有效消除初始数据中的冗余信息和数据噪声。(本文来源于《计算机工程》期刊2011年05期）
穆振东,肖丹[8]（2010）在《基于信息约简的脑电信号特征提取》一文中研究指出背景:脑机接口系统中,对大脑想象的反应速度是衡量脑机接口系统质量的一个重要标准,因此关于脑电信号的分析,对脑电信号特征进行筛选就显得尤为重要,尽可能少的特征来标示相应的动作是提高速度的一个重要途径。目的:利用约简方法对脑电信号特征进行特征筛选,降低脑电特征数目。方法:首先利用不同的脑电特征分析方法,提取特征,并进行分类;其次把连续的脑电信号离散化,利用脑电信号组建脑电信号信息表,最后利用约简理论,对脑电信号进行特征约简,并利用约简特征进行分类,验证分类准确率。结果与结论:利用信息约简的方法及特征标示,把连续的脑电信号特征离散化,利用离散化的脑电信号特征构建信息表,并进行特征筛选,在保证分类准确率的情况下降低了特征的数量。不足之处在于,该方法对分类特征进行标记只能在两类之间进行,对多类型分类特征进行标记和分类特征进行约简将是下一步工作的重点。(本文来源于《中国组织工程研究与临床康复》期刊2010年09期）
张德干,尹国成,郝先臣,赵海[9]（2004）在《一种基于概括约简的特征提取新方法》一文中研究指出为适应特征级信息融合计算的需要,在粗糙集理论框架下,提出了一种基于概括约简的特征提取新方法·首先引入层次树的概念研究了属性值的抽象概括方法,然后设计了两种带有互补性的属性约简方法,一种是利用条件属性间的相关性作为约简策略去除冗余条件属性,另一种是利用有效一致性因子原则约简无关条件属性·设计的方法弥补了粗糙集理论中目前还存在的处理对象范围狭窄和处理效果较差等方面缺陷·应用实例验证了方法的正确性和可信性·(本文来源于《东北大学学报》期刊2004年06期）
特征提取与约简论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对柴油机振动响应信号时频表示特征提取困难的问题,提出了一种直接对柴油机振动谱图像进行特征约简的时频特征提取新方法。通过现有的时频分析方法生成柴油机振动谱图像,采用叁次卷积插值法对图像矩阵的维度进行压缩,并将矩阵分块计算的方法与稀疏非负矩阵分解算法(sparse non-negative matrix factorization,SNMF)相结合,用来直接对压缩后的振动谱图像进行特征约简以获取蕴含在其内的低维特征。将提出的方法应用于4种不同状态的柴油机气门故障特征提取试验中,结果证明该方法可准确、快速提取柴油机气门故障特征。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征提取与约简论文参考文献
[1].郑国强,汪玉,高博,王志国,陈凯.基于SOLPP维数约简的电机轴承故障特征提取[J].电子测量与仪器学报.2018
[2].岳应娟,王旭,蔡艳平,牟伟杰.基于时频图像特征约简的柴油机故障特征提取新方法[J].汽车工程.2018
[3].刘畅.基于压缩感知的滚动轴承特征提取与特征约简方法研究[D].昆明理工大学.2017
[4].梁金平,董唯光,毛向德.变流器故障特征提取与维数约简方法研究[J].计算机工程.2015
[5].张焱,汤宝平,刘自然,陈仁祥.时频表示特征约简的旋转机械故障特征提取方法[J].振动工程学报.2015
[6].吴松松.维数约简研究及其在特征提取中的应用[D].南京理工大学.2011
[7].史志才,夏永祥.基于知识约简的网络入侵特征提取[J].计算机工程.2011
[8].穆振东,肖丹.基于信息约简的脑电信号特征提取[J].中国组织工程研究与临床康复.2010
[9].张德干,尹国成,郝先臣,赵海.一种基于概括约简的特征提取新方法[J].东北大学学报.2004
论文知识图
