基于拉普拉斯特征映射和深度置信网络的半监督故障识别 被引量：28

1

作者 张鑫 郭顺生 +1 位作者 李益兵 江丽 《机械工程学报》 EI CAS CSCD 北大核心 2020年第1期69-81,共13页

针对机械设备故障诊断过程中有标签样本不足,结合流形学习与深度学习的思想,提出了基于拉普拉斯特征映射(Laplacian eigenmap,LE)和深度置信网络(Deep belief network,DBN)的半监督故障识别模型。该模型运用LE算法直接对原始高维振动信... 针对机械设备故障诊断过程中有标签样本不足,结合流形学习与深度学习的思想,提出了基于拉普拉斯特征映射(Laplacian eigenmap,LE)和深度置信网络(Deep belief network,DBN)的半监督故障识别模型。该模型运用LE算法直接对原始高维振动信号进行特征提取,将低维流形特征输入DBN,利用少量昂贵的有标签样本和大量廉价的无标签样本,二次挖掘故障特征,并构建Soft-max分类器最终识别出机械设备的故障模式。将该半监督模型应用于轴承故障和齿轮裂纹的识别中,试验结果表明,LE算法有效降低了模型的时间复杂度,增强了特征提取的智能性,提高了诊断效率;DBN网络可以充分挖掘故障特性,得到更好的特征表示,提高了分类精度。此外,该模型在不平衡的训练标签下也实现了很好的诊断效果,且适用于多传感器特征融合的诊断,具备实际应用的价值。 展开更多

关键词 拉普拉斯特征映射 深度置信网络 半监督 故障诊断

原文传递

基于拉普拉斯特征映射的滚动轴承故障识别 被引量：19

2

作者 黄宏臣 韩振南 +2 位作者 张倩倩 李月仙 张志伟 《振动与冲击》 EI CSCD 北大核心 2015年第5期128-134,144,共8页

用传统的线性方法对非平稳和非线性运行状态的滚动轴承进行故障诊断时,效果欠佳。为了及时、准确地监测轴承的运行状态,提出了将拉普拉斯特征映射算法(Laplacian Eigenmap LE)应用到滚动轴承的故障识别中。在振动信号构建的时域和频域... 用传统的线性方法对非平稳和非线性运行状态的滚动轴承进行故障诊断时,效果欠佳。为了及时、准确地监测轴承的运行状态,提出了将拉普拉斯特征映射算法(Laplacian Eigenmap LE)应用到滚动轴承的故障识别中。在振动信号构建的时域和频域高维特征空间矩阵中,充分利用LE算法在非线性特征提取和降维的优点,进行学习,提取表征轴承状态的特征量,并以可视化的聚类结果进行表示。实验模拟了轴承的4种不同类型故障以及滚动体的4种不同受损程度,采用模式识别中聚类性的类内距和类间距两个参数作为衡量指标。与PCA和KPCA两种方法对比,LE不仅明显识别出四种故障类型和有效的区分出滚动体的不同受损程度,而且识别率大大提高。并通过测试样本组验证了LE方法的有效性。 展开更多

关键词 滚动轴承故障 流形学习 模式识别 拉普拉斯特征映射 特征空间的构建 特征提取 测试样本验证

下载PDF 职称材料

基于测地线距离的广义高斯型Laplacian特征映射 被引量：9

3

作者 曾宪华 罗四维 +1 位作者 王娇 赵嘉莉 《软件学报》 EI CSCD 北大核心 2009年第4期815-824,共10页

传统的Laplacian特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian特征映射算法中,首先提出... 传统的Laplacian特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian特征映射算法(geodesic distance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法. 展开更多

关键词 流形学习 laplacian特征映射 广义高斯函数 测地线距离 集成

下载PDF 职称材料

基于图卷积网络和自编码器的半监督网络表示学习模型 被引量：9

4

作者 王杰 张曦煌 《模式识别与人工智能》 EI CSCD 北大核心 2019年第4期317-325,共9页

为了保留网络结构信息和节点特征信息,结合图卷积神经网络(GCN)和自编码器(AE),提出可扩展的半监督深度网络表示学习模型(Semi-GCNAE)。利用GCN捕获节点的K阶邻域中所有节点的结构和特征信息,并将捕获的信息作为AE的输入。AE对GCN捕获的... 为了保留网络结构信息和节点特征信息,结合图卷积神经网络(GCN)和自编码器(AE),提出可扩展的半监督深度网络表示学习模型(Semi-GCNAE)。利用GCN捕获节点的K阶邻域中所有节点的结构和特征信息,并将捕获的信息作为AE的输入。AE对GCN捕获的K阶邻域信息进行特征提取和非线性降维,并结合Laplacian特征映射保留节点的团簇结构信息。引入集成学习方法联合训练GCN和AE,使模型习得的节点低维向量表示能同时保留网络结构信息和节点特征信息。在5个真实数据集上的广泛评估表明,文中模型习得的节点低维向量表示可以有效保留网络的结构和节点特征信息,并在节点分类、可视化和网络重构任务上性能较优。 展开更多

关键词 网络表示学习 图卷积神经网络(GCN) 自编码器(AE) laplacian 特征映射

下载PDF 职称材料

基于工况识别的注塑过程产品质量预测方法 被引量：10

5

作者 赵斐 陆宁云 杨毅 《化工学报》 EI CAS CSCD 北大核心 2013年第7期2526-2534,共9页

针对多工况注塑过程的在线质量预测问题,考虑了过程数据高维、耦合、非线性等特点,采用拉普拉斯特征映射(LE)方法实现过程数据的非线性降维;在低维特征空间中采用Mean Shift聚类算法完成样本的工况聚类,以便注塑过程的工况分析和知识挖... 针对多工况注塑过程的在线质量预测问题,考虑了过程数据高维、耦合、非线性等特点,采用拉普拉斯特征映射(LE)方法实现过程数据的非线性降维;在低维特征空间中采用Mean Shift聚类算法完成样本的工况聚类,以便注塑过程的工况分析和知识挖掘;同时运用Mean Shift原理,提出一种新样本的在线工况识别方法;最后应用基于混合粒子群(PSO)参数寻优的偏最小二乘支持向量机(PLS-LSSVM)方法,建立了多工况注塑过程的产品质量软测量模型。实验结果表明,相较于PLS-LSSVM方法,本文方法的预测精度和泛化性能均有明显提高,可为实际注塑企业提供一种效果良好的多工况产品质量在线预测方法。 展开更多

关键词 注塑过程 产品质量预测 拉普拉斯特征映射 MeanShift聚类 偏最小二乘支持向量机

下载PDF 职称材料

几种流形学习算法的比较研究 被引量：4

6

作者 李小丽 薛清福 《电脑与信息技术》 2009年第3期14-18,共5页

如何发现高维数据空间流形中有意义的低维嵌入信息是流形学习的主要目的。目前,大部分流形学习算法都是用于非线性维数约简或是数据可视化的,如等距映射(Isomap),局部线性嵌入算法(LLE),拉普拉斯特征映射算法(laplacian Eigenmap)等等,... 如何发现高维数据空间流形中有意义的低维嵌入信息是流形学习的主要目的。目前,大部分流形学习算法都是用于非线性维数约简或是数据可视化的,如等距映射(Isomap),局部线性嵌入算法(LLE),拉普拉斯特征映射算法(laplacian Eigenmap)等等,文章对这三种流形学习算法进行实验分析与比较,目的在于了解这几种流形学习算法的特点,以便更好地进行数据的降维与分析。 展开更多

关键词 ISOMAP LLE laplacian eigenmap

下载PDF 职称材料

局部规则嵌入 被引量：1

7

作者 谭璐 吴翊 《计算机应用》 CSCD 北大核心 2005年第4期817-819,共3页

引入了拓扑结构和规则拓扑结构的概念,为了寻求具有规则拓扑结构的低维数据集,构 造了拓扑结构规则性的度量,提出了保持数据集拓扑结构的局部规则嵌入方法。与LocallyLinear Embedding,LaplacianEigenmap等核特征映射方法相比,低维... 引入了拓扑结构和规则拓扑结构的概念,为了寻求具有规则拓扑结构的低维数据集,构 造了拓扑结构规则性的度量,提出了保持数据集拓扑结构的局部规则嵌入方法。与LocallyLinear Embedding,LaplacianEigenmap等核特征映射方法相比,低维嵌入结果是近似规则的,与数据分类有 着更加自然的联系。最后的实例表明,与LLE和LaplacianEigenmap方法相比,该方法能更好地保持 数据集的类特性,揭示数据集的本征结构。 展开更多

关键词 拓扑结构 规则拓扑结构 laplacian eigenmap

下载PDF 职称材料

谱聚类广义模型与典型算法分析 被引量：5

8

作者 管涛 杨婷 《模式识别与人工智能》 EI CSCD 北大核心 2014年第11期1015-1025,共11页

谱聚类能发现数据的非线性低秩结构,在模式识别等领域应用广泛.谱聚类与图模型、流形嵌入、积分算子理论等紧密相关,存在着潜在的联系,但相关理论尚缺乏系统的研究.文中首先从谱聚类的研究现状出发,介绍它的一般性问题,即再生核空间中... 谱聚类能发现数据的非线性低秩结构,在模式识别等领域应用广泛.谱聚类与图模型、流形嵌入、积分算子理论等紧密相关,存在着潜在的联系,但相关理论尚缺乏系统的研究.文中首先从谱聚类的研究现状出发,介绍它的一般性问题,即再生核空间中的积分算子特征函数学习问题.然后讨论谱聚类与核主成分、核k-means算法、Laplacian特征映射、流形学习、判别分析之间的内在联系.进而简要分析NJW算法、Ncut算法、基于Nystrm方法的谱聚类算法、多尺度谱聚类算法以及多层谱聚类算法.最后总结存在的问题和未来的发展趋势. 展开更多

关键词 谱聚类 laplacian特征映射 核函数 核主成分分析 积分算子

下载PDF 职称材料

基于拉普拉斯特征映射高光谱遥感影像降维及其分类 被引量：6

9

作者 钱进 邓喀中 范洪冬 《遥感信息》 CSCD 2012年第5期3-7,共5页

在进行高光谱遥感影像监督分类过程中,结合高光谱数据非线性的特点和流形学习强大的非线性处理能力,提出一种基于拉普拉斯特征映射(LE)降维和最佳指数法(OIF)波段组合选择训练样本进行SVM分类的策略,首先对高光谱遥感影像波段进行优化,... 在进行高光谱遥感影像监督分类过程中,结合高光谱数据非线性的特点和流形学习强大的非线性处理能力,提出一种基于拉普拉斯特征映射(LE)降维和最佳指数法(OIF)波段组合选择训练样本进行SVM分类的策略,首先对高光谱遥感影像波段进行优化,利用拉普拉斯特征映射法(LE)对波段优选后的影像进行降维,利用OIF选择波段组合叠加进行训练样本选择。在此基础上采用支持向量机(SVM)进行分类处理,取得了优于PCA的效果。实验证明了流形学习是一种行之有效的高光谱遥感数据特征提取方法。 展开更多

关键词 高光谱遥感 降维 流行学习 分类 拉普拉斯特征映射

下载PDF 职称材料

基于拉普拉斯特征映射的启发式Q学习 被引量：6

10

作者 朱美强 李明 +2 位作者 程玉虎 张倩 王雪松 《控制与决策》 EI CSCD 北大核心 2014年第3期425-430,共6页

在基于目标的强化学习任务中,欧氏距离常作为启发式函数用于策略选择,其用于状态空间在欧氏空间内不连续的任务效果不理想.针对此问题,引入流形学习中计算复杂度较低的拉普拉斯特征映射法,提出一种基于谱图理论的启发式策略选择方法.所... 在基于目标的强化学习任务中,欧氏距离常作为启发式函数用于策略选择,其用于状态空间在欧氏空间内不连续的任务效果不理想.针对此问题,引入流形学习中计算复杂度较低的拉普拉斯特征映射法,提出一种基于谱图理论的启发式策略选择方法.所提出的方法适用于状态空间在某个内在维数易于估计的流形上连续,且相邻状态间的连接关系为无向图的任务.格子世界的仿真结果验证了所提出方法的有效性. 展开更多

关键词 强化学习 启发式策略选择 Q学习 拉普拉斯特征映射

原文传递

基于LE-DBN故障诊断模型的滚动轴承振动信号特征提取 被引量：1

11

作者 韩春红 伊洪彬 +1 位作者 薛涛 刘玉芳 《机械设计与研究》 CSCD 北大核心 2023年第3期131-134,共4页

为了提高滚动轴承的高效率运行,设计了一种基于拉斯特征映射-深度置信网络(laplacian eigenmap-deep belief network,LE-DBN)故障诊断模型的滚动轴承振动信号特征提取方法。利用LE算法从高维振动数据中提取获得流形参数,分别测试包含少... 为了提高滚动轴承的高效率运行,设计了一种基于拉斯特征映射-深度置信网络(laplacian eigenmap-deep belief network,LE-DBN)故障诊断模型的滚动轴承振动信号特征提取方法。利用LE算法从高维振动数据中提取获得流形参数,分别测试包含少量有标签与大量无标签样本的DBN网络训练结果,再对各类故障实施分类。研究结果表明:采用训练集识别时准确率在99.8%附近,表明该模型可以对训练数据发挥理想拟合性能。LE算法比PCA、KPCA算法都达到了更优特征提取效果,选择合理参数可以使准确率达到99.8%。采用多传感器实施特征融合时相对单个传感器的诊断性能更优。有标签样本个数在60~120之间时,采用DBN网络可以获得比CNN网络更理想的分类结果。该研究可以达到可靠性标准,更能适用于其它的机械传动设备。 展开更多

关键词 滚动轴承 振动信号 特征提取 拉普拉斯特征映射 深度置信网络

原文传递

时空RPCA在复杂场景下的运动目标检测 被引量：4

12

作者 张超婕 余勤 《计算机工程与设计》 北大核心 2020年第1期197-202,共6页

在复杂动态背景下,鲁棒主成分分析模型(RPCA)容易将背景中动态背景误判为前景运动目标,导致运动目标检测精度不高。为解决该问题,提出一种基于非凸加权核范数的时空低秩RPCA算法。使用非凸加权核范数替代传统的核范数进行低秩约束,在观... 在复杂动态背景下,鲁棒主成分分析模型(RPCA)容易将背景中动态背景误判为前景运动目标,导致运动目标检测精度不高。为解决该问题,提出一种基于非凸加权核范数的时空低秩RPCA算法。使用非凸加权核范数替代传统的核范数进行低秩约束,在观测矩阵上通过拉普拉斯特征映射得到时空图拉普拉斯矩阵,将得到的时空图拉普拉斯矩阵嵌入低秩背景矩阵以保持背景对噪声和离群值的鲁棒性。实验结果表明,所提模型在复杂场景中能较准确检测出运动目标。 展开更多

关键词 鲁棒主成分分析 非凸加权核范数 时空低秩RPCA算法 拉普拉斯特征映射 运动目标检测

下载PDF 职称材料

基于拉普拉斯特征映射的分类器设计 被引量：3

13

作者 周梅 刘秉瀚 《计算机工程》 CAS CSCD 北大核心 2009年第16期178-179,182,共3页

引用监督学习策略,定义类内和类间不同的距离度量方式,以替代原来的欧式距离度量,实现对拉普拉斯特征映射算法的改进。将降维之后的结果作为BP神经网络的输入,实现分类。实验结果表明,基于改进的拉普拉斯特征映射算法降维之后的结果,减... 引用监督学习策略,定义类内和类间不同的距离度量方式,以替代原来的欧式距离度量,实现对拉普拉斯特征映射算法的改进。将降维之后的结果作为BP神经网络的输入,实现分类。实验结果表明,基于改进的拉普拉斯特征映射算法降维之后的结果,减少了神经网络的训练时间,具有较好的分类正确率。 展开更多

关键词 拉普拉斯特征映射 监督学习 分类器 相异度

下载PDF 职称材料

鲁棒拉普拉斯特征映射算法 被引量：4

14

作者 戴志波 王靖 《计算机应用研究》 CSCD 北大核心 2011年第9期3249-3252,共4页

研究拉普拉斯特征映射算法(Laplacian eigenmap,LE)对离群点的敏感性,提出一种具有鲁棒性的拉普拉斯特征映射算法(robust Laplacian eigenmap,RLE)。该方法在离群点检测的基础上,利用鲁棒PCA算法(robustPCA,RPCA)对离群点进行局部光滑... 研究拉普拉斯特征映射算法(Laplacian eigenmap,LE)对离群点的敏感性,提出一种具有鲁棒性的拉普拉斯特征映射算法(robust Laplacian eigenmap,RLE)。该方法在离群点检测的基础上,利用鲁棒PCA算法(robustPCA,RPCA)对离群点进行局部光滑化处理,将离群点和其邻域投影到低维的局部切空间上,再构造能够准确反映离群点局部邻域关系的对应权值,减少离群点对Laplacian矩阵的影响。模拟实验和实际例子都证明,通过这种方法构造的鲁棒拉普拉斯特征映射算法,对于离群点具有良好的鲁棒性。 展开更多

关键词 拉普拉斯特征映射 鲁棒 离群点 流形

下载PDF 职称材料

半监督拉普拉斯特征映射算法 被引量：4

15

作者 刘海红 周聪辉 《计算机工程与设计》 CSCD 北大核心 2012年第2期601-606,共6页

为了使流形学习方法具有半监督的特点,利用流形上某些已知低维信息的数据去学习推测出其它数据的低维信息,扩大流形学习算法的应用范围,把拉普拉斯特征映射算法(Laplacian Eigenmap,LE)与半监督的机器学习相结合,提出一种半监督的拉普... 为了使流形学习方法具有半监督的特点,利用流形上某些已知低维信息的数据去学习推测出其它数据的低维信息,扩大流形学习算法的应用范围,把拉普拉斯特征映射算法(Laplacian Eigenmap,LE)与半监督的机器学习相结合,提出一种半监督的拉普拉斯特征映射算法(semi-supervised Laplacian Eigenmap,SSLE),这种半监督的流形学习算法在分类识别等问题上,具有很好的效果。模拟实验和实际例子都表明了SSLE算法的有效性。 展开更多

关键词 拉普拉斯特征映射算法 半监督机器学习 流形学习 低维信息 模式识别

下载PDF 职称材料

基于LE和DBN算法的轴承故障信号特征提取及诊断

16

作者 余震 何留杰 王峰 《制造技术与机床》 北大核心 2023年第1期16-20,共5页

为了提高机械传动系统的运行稳定性,提出了一种基于半监督拉普拉斯特征映射(semisupervised laplacian eigenmap, SLE)和深度置信网络(deep belief network, DBN)算法的故障信号特征提取方法。选择SLE算法提取高维振动信号的流形参数,在... 为了提高机械传动系统的运行稳定性,提出了一种基于半监督拉普拉斯特征映射(semisupervised laplacian eigenmap, SLE)和深度置信网络(deep belief network, DBN)算法的故障信号特征提取方法。选择SLE算法提取高维振动信号的流形参数,在DBN内输入流形学习数据实现特征数据二次挖掘的过程,完成不同故障的分类。研究结果表明:采用SLE-DBN模型进行处理时达到了比其余模型更优性能。采用SLE算法可以显著缩短SLE-DBN组合模型运算时间。训练集样本进行识别得到的准确率接近100%,表明模型能够对训练数据起到良好的拟合效果。SLE算法相对MCA与PCA算法表现出了更优特征提取性能,当设置合适参数时可以获得近100%的准确率。当有标签样本数量介于60~120时,DBN网络相对CNN网络表现出了更优分类性能。SLE-DBN模型对于别轴承故障诊断方面都达到了理想分类精度以及实现快速识别的要求。 展开更多

关键词 拉普拉斯特征映射 深度置信网络 半监督 故障诊断

下载PDF 职称材料

Laplacian多特征映射的三维模型形状分析 被引量：2

17

作者 韩丽 徐建国 +1 位作者 黎琳 唐棣 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2015年第11期2142-2148,共7页

面向三维模型的统一结构描述与智能检索的技术需求,提出一种Laplacian多特征映射的三维模型形状分析方法.首先提取三维模型的表面形状与体积特征,建立融合测地线距离、角距离和空间体积的多特征相似度矩阵;其次根据Laplacian特征映射算... 面向三维模型的统一结构描述与智能检索的技术需求,提出一种Laplacian多特征映射的三维模型形状分析方法.首先提取三维模型的表面形状与体积特征,建立融合测地线距离、角距离和空间体积的多特征相似度矩阵;其次根据Laplacian特征映射算法实现三维模型由空域到谱域的转换以及多谱特征分析;最后通过对Laplacian矩阵特征值之间的本征间隙自适应确定聚类数目,并结合K-means聚类方法实现模型的自动结构识别与分割.实验结果表明,在同一类模型的结构特征提取与统一分割应用中,该方法是高效、鲁棒的,对于实现模型的高层次语义描述、模型配准以及模型检索具有重要的意义. 展开更多

关键词 形状分析 laplacian特征映射 谱图理论 多特征融合 聚类方法

下载PDF 职称材料

Detecting Local Manifold Structure for Unsupervised Feature Selection 被引量：3

18

作者 FENG Ding-Cheng 《自动化学报》 EI CSCD 北大核心 2014年第10期2253-2261,共9页

关键词 特征选择 管结构 流形 监督 拉普拉斯算子 局部线性嵌入 特征值分解 特征子集

下载PDF 职称材料

面向转子故障特征提取的多尺度拉普拉斯特征映射方法 被引量：3

19

作者 王广斌 杜晓阳 罗军 《中国机械工程》 EI CAS CSCD 北大核心 2016年第20期2791-2797,共7页

融合多尺度分解理论和流形学习思想,提出了一种面向转子故障特征提取的多尺度拉普拉斯特征映射算法。首先对转子故障振动信号进行多尺度小波包分解,提取各独立频带信号的最优尺度小波熵,构建特征参量矩阵并估计其固有维数,然后通过拉普... 融合多尺度分解理论和流形学习思想,提出了一种面向转子故障特征提取的多尺度拉普拉斯特征映射算法。首先对转子故障振动信号进行多尺度小波包分解,提取各独立频带信号的最优尺度小波熵,构建特征参量矩阵并估计其固有维数,然后通过拉普拉斯特征映射将特征参量数据嵌入到低维本征空间,得到故障的最敏感特征,最后融合决策实现故障的准确识别。实验表明,相对于主成分分析算法、局部线性嵌入算法和拉普拉斯特征映射算法,多尺度拉普拉斯特征映射方法提取的转子故障信号特征更容易识别。 展开更多

关键词 转子系统 拉普拉斯特征映射 多尺度 特征提取

下载PDF 职称材料

结构化稀疏谱哈希索引 被引量：3

20

作者 欧阳遄飞 张寅 +2 位作者 张啸 邵健 吴飞 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2012年第1期60-67,共8页

为了对从图像中所提取的高维特征进行高效索引,考虑到图像原始高维特征所具有的内在结构化特性,结构化稀疏谱哈希索引算法是在传统谱哈希索引算法中引入结构化稀疏主成分分析,来求取图像高维特征内嵌子空间,进而实现图像索引.该算法中... 为了对从图像中所提取的高维特征进行高效索引,考虑到图像原始高维特征所具有的内在结构化特性,结构化稀疏谱哈希索引算法是在传统谱哈希索引算法中引入结构化稀疏主成分分析,来求取图像高维特征内嵌子空间,进而实现图像索引.该算法中保持了原始图像数据特征之间的结构性信息,并使得视觉特征相似图像之间的汉明距离保持最小.实验结果表明,该算法优于位置敏感哈希、受限玻尔兹曼机、谱哈希以及稀疏谱哈希等索引算法. 展开更多

关键词 结构 稀疏 哈希索引 主成分分析 拉普拉斯特征图

下载PDF 职称材料