• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊>南京理工大学学报（自然科学版） >基于t分布随机邻域嵌入算法的工业过程故障分类

基于t分布随机邻域嵌入算法的工业过程故障分类

     
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

针对在工业过程中数据普遍存在的非线性特性,基于数据的局部相关关系对分类的影响,提出一种基于t分布随机邻域嵌入(t-SNE)的数据特征提取和故障分类方法.利用t-SNE算法非线性、非参数降维的优势,与费舍判别分析(FDA)、支持向量机(SVM)分类器相结合建立故障分类模型.利用t-SNE算法对故障数据进行非线性特征提取,获取数据的关键区分特征.用FDA和SVM算法实现故障分类和识别.通过田纳西-伊士曼(TE)过程获得的实验数据进行实验仿真分析,并分别与基于核主元分析法(KPCA)、拉普拉斯特征映射(LE)构建的KPCA-FDA、LE-FDA、KPCA-SVM、LE-SVM 4种故障分类模型进行比较.定量评估结果表明:即使基于不同分类器,相较于其他2种方法,该文方法的分类准确率分别提升了2％和7％,且其平均分类准确率能保持在97％以上.

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