导读:本文包含了故障敏感维数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:空间,线性,局部,排列,故障诊断,故障,敏感。
苏祖强,汤宝平,姚金宝[1]（2014）在《基于敏感特征选择与流形学习维数约简的故障诊断》一文中研究指出针对故障诊断中特征集包含非敏感特征和维数过高的问题,提出基于特征选择(Feature Selection,FS)与流形学习维数约简的故障诊断方法。提出一种改进的核空间距离测度特征选择方法(Improved Kernel Distance Measurement Feature Selection,IKDM-FS),在核空间中计算样本类间距离和类内散度,优选出使样本类间距大、类内散度小的特征,并根据特征的敏感程度对特征进行加权。通过线性局部切空间排列算法(Linear Local Tangent Space Alignment,LLTSA)对由敏感特征组成的特征子集进行特征融合,提取出对故障分类更加敏感的融合特征,并输入加权k最近邻分类器(Weighted k Nearest Neighbor Classifier,WKNNC)进行故障识别。WKNNC具有比k最近邻分类器(k Nearest Neighbor Classifier,KNNC)更加稳定的识别精度。最后,通过滚动轴承故障模拟实验验证了该方法的有效性。(本文来源于《振动与冲击》期刊2014年03期）
[1].苏祖强,汤宝平,姚金宝.基于敏感特征选择与流形学习维数约简的故障诊断[J].振动与冲击.2014
本文来源: https://www.lunwen66.cn/article/e3c98aedfea845e1f102caa7.html