动态增殖流形学习算法在机械故障诊断中的应用

摘要：

针对现有的批量式流形学习算法无法利用已学习的流形结构实现新增样本的快速约简的缺点，提出增殖正交邻域保持嵌入（Incremental Orthogonal Neighborhood Preserving Embedding，IONPE）流形学习算法。该算法在正交邻域保持嵌入算法基础上利用分块处理思想实现新增样本子集的动态约简。从原始样本中选取部分重叠点合并至新增样本，对重叠点和新增样本子集不依赖原始样本使用正交邻域保持嵌入（ONPE）进行独立约简获取低维嵌入坐标子集，并基于重叠点坐标差值最小化原则，将新增样本低维嵌入坐标通过旋转平移缩放整合到原样本子集中。齿轮箱故障诊断案例证实了IONPE算法具有良好的增量学习能力，在继承ONPE优良聚类特性的同时有效提高了新增样本约简效率。

关键词：增殖流形学习、正交邻域保持嵌入、动态约简、分块处理、故障诊断

分类号：TH165.3

资助基金：国家自然科学基金51275546；高校博士点专项科研基金20130191130001

在线出版日期：2015-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：15-19,29