首页> 中文期刊> 《煤矿机电》 >基于核化局部全局一致性学习的提升机故障诊断

基于核化局部全局一致性学习的提升机故障诊断

         

摘要

典型的局部全局一致性学习(Learning with Local and Global Consistency,LLGC)是基于图的半监督学习算法,虽然可以对样本进行有效标注,但对非线性数据却无能为力,且会出现维数灾难现象.为此,在LLGC的基础上引入核函数,提出核化局部全局一致性学习(KLLGC)解决上述问题.提升机故障诊断的实验结果表明KLLGC的有效性和可行性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号