-
题名一种基于学习的高维数据c-近似最近邻查询算法
被引量：18
- 1
-
-
作者
袁培森
沙朝锋
王晓玲
周傲英
-
机构
上海市智能信息处理重点实验室(复旦大学)
上海市高可信计算重点实验室(华东师范大学)
-
出处
《软件学报》
EI
CSCD
北大核心
2012年第8期2018-2031,共14页
-
基金
国家自然科学基金(60925008
60903014)
+2 种基金
国家重点基础研究发展计划(973)(2010CB328106)
"核心电子器件
高端通用芯片及基础软件产品"国家科技重大专项(2010ZX01042-002-003-004)
-
文摘
针对高维数据近似最近邻查询,在过滤-验证框架下提出了一种基于学习的数据相关的c-近似最近邻查询算法.证明了数据经过随机投影之后,满足语义哈希技术所需的熵最大化准则.把经过随机投影的二进制数据作为数据的类标号,训练一组分类器用来预测查询的类标号.在此基础上计算查询与数据集中数据对象的海明距离.最后,在过滤后的候选数据集上计算查询的最近邻.与现有方法相比,该方法对空间需求更小,编码长度更短,效率更高.模拟数据集和真实数据集上的实验结果表明,该方法不仅能够提高查询效率,而且方便调控在查询质量和查询处理时间方面的平衡问题.
-
关键词
随机投影
c-近似最近邻查询
支持向量机分类器
高维数据
熵最大化准则
位置敏感哈希
-
Keywords
random projection
c-approximate nearest neighbor query
SVM classifier
high-dimensional data
entropy maximizing criterion
locality sensitive hashing
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名大型风力机主轴承故障信号提取方法
被引量：4
- 2
-
-
作者
周昊
陈长征
周勃
孙鲜明
-
机构
沈阳工业大学信息科学与工程学院
沈阳工业大学机械工程学院
沈阳工业大学建筑工程学院
-
出处
《沈阳工业大学学报》
EI
CAS
北大核心
2015年第1期22-27,共6页
-
基金
国家自然科学基金资助项目(50975180
51005159)
辽宁省教育厅基金资助项目(L2010401)
-
文摘
针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出了基于粒子群优化的盲源分离算法.算法根据负熵最大化判据,采用粒子群优化算法对盲源分离过程进行优化,且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.
-
关键词
大型风力机
主轴承
盲源分离
负熵最大化判据
粒子群优化算法
振动信号
信号提取
故障诊断
-
Keywords
large-scale wind turbine
main bearing
blind source separation
negative entropy maximization criterion
particle swarm optimization algorithm
vibration signal
signal extraction
fault diagnosis
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TM315
[电气工程—电机]
-
