经数据分析途径实现机器智能的故障决策引发出了关于故障数据集的降维问题。通过将等距映射算法(Isometric Mapping,ISOMAP)、局部线性嵌入(Locally Linear Embedding,LLE)算法的优缺点进行互补,提出一种适用于非线性数据集降维的核框...经数据分析途径实现机器智能的故障决策引发出了关于故障数据集的降维问题。通过将等距映射算法(Isometric Mapping,ISOMAP)、局部线性嵌入(Locally Linear Embedding,LLE)算法的优缺点进行互补,提出一种适用于非线性数据集降维的核框架下等距映射与局部线性嵌入相结合的KISOMAPLLE算法。该算法能够同时满足全局距离保持性和局部结构保持能力的数据降维基本要求。用典型的人工数据集和转子故障数据集进行的降维验证结果表明,该算法能够继承ISOMAP、LLE两种算法的各自优良性能,具有能够显著提高典型非线性数据集分类精度的性能。展开更多
文摘经数据分析途径实现机器智能的故障决策引发出了关于故障数据集的降维问题。通过将等距映射算法(Isometric Mapping,ISOMAP)、局部线性嵌入(Locally Linear Embedding,LLE)算法的优缺点进行互补,提出一种适用于非线性数据集降维的核框架下等距映射与局部线性嵌入相结合的KISOMAPLLE算法。该算法能够同时满足全局距离保持性和局部结构保持能力的数据降维基本要求。用典型的人工数据集和转子故障数据集进行的降维验证结果表明,该算法能够继承ISOMAP、LLE两种算法的各自优良性能,具有能够显著提高典型非线性数据集分类精度的性能。
