基于边界判别多流形分析的故障数据集降维方法

摘要：

针对现有多流形学习方法未考虑流形间边界信息而导致降维后数据不易于分类的问题,提出一种新的边界判别多流形分析(margin discriminant multi-manifold analysis,MDMA)方法.该方法同时考虑数据的类内相似性、类问差异性、同类流形结构和异类流形结构,并且为避免降维过程中出现小样本问题,在构造目标函数时将这4点归结为指数化迹商优化结构.通过两个转子系统试验数据集进行验证.结果 表明,与其他几种典型降维方法对比,该方法能更有效地提取出蕴含在数据中的判别信息,在故障辨识中表现出更好的分类性能.

关键词：故障诊断;维数约简;小样本问题;边界判别多流形分析(MDMA)

所属期刊栏目：40

分类号：TH165+.3;TP18

资助基金：国家自然科学基金;兰州理工大学红柳一流学科建设项目

在线出版日期：2021-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：120-126