版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著科技的發(fā)展,難以處理的高維數(shù)據(jù)普遍存在于各個(gè)領(lǐng)域中,對(duì)這些高維數(shù)據(jù)的處理還存在許多困難,因此從獲得的高維數(shù)據(jù)中提取出事物的本質(zhì)特征同時(shí)剔除冗余數(shù)據(jù)的干擾是一個(gè)亟待解決的重要問題?,F(xiàn)實(shí)中采集的高維數(shù)據(jù)大部分是非線性的,通過傳統(tǒng)的線性方法難以發(fā)掘出高維數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和相關(guān)性,難以揭示其流形分布,為高維數(shù)據(jù)的進(jìn)一步處理造成了困難。
針對(duì)線性方法存在的缺點(diǎn)已經(jīng)提出了一些非線性的降維方法,這些方法打破了傳統(tǒng)線性降維方法的框架。因?yàn)閷?shí)
2、際采集到的振動(dòng)信號(hào)也是非線性的,所以本文提取振動(dòng)信號(hào)特征所采用的是非線性降維方法中的局部線性嵌入算法。但是局部線性嵌入算法(LLE)的缺點(diǎn)是對(duì)數(shù)據(jù)噪聲比較敏感,隨著噪聲的增大算法穩(wěn)定性會(huì)逐漸變差。針對(duì)傳統(tǒng)算法的這一缺點(diǎn),本文引入稀疏約束對(duì)算法進(jìn)行了改進(jìn)得到了稀疏約束的局部線性嵌入算法(LLE-L1);并針對(duì)現(xiàn)有的隨機(jī)減量技術(shù)的不足,本文還提出了多重割線的隨機(jī)減量算法改進(jìn)思路,最后將改進(jìn)算法應(yīng)用在實(shí)際工程中驗(yàn)證了算法的有效性。
3、稀疏約束的改進(jìn)LLE算法,通過加入稀疏約束之后使求得的最優(yōu)重構(gòu)權(quán)值矩陣更加稀疏,從而在求解過程中更好的消除了噪聲的影響。最后通過仿真實(shí)驗(yàn)驗(yàn)證算法的有效性,實(shí)驗(yàn)結(jié)果表明在不同噪聲條件下,稀疏約束的改進(jìn)LLE算法具有更強(qiáng)的抗噪能力。
多割線的隨機(jī)減量法使得參與求平均的子樣本數(shù)大大增加,在更大程度上消除了環(huán)境噪聲的影響,可以達(dá)到更好的自由響應(yīng)信號(hào)提取效果,從而為本文的算法提供良好的基礎(chǔ)信號(hào)。
將稀疏約束的LLE算法與小波包
4、變換相結(jié)合,提取經(jīng)過多重割線隨機(jī)減量算法處理的清水浦大橋斜拉索上采集的振動(dòng)信號(hào)的WPE能量流流形特征,最后將提取的特征作為支持向量機(jī)的分類依據(jù),從而實(shí)現(xiàn)故障分類識(shí)別,并與WPE向量,WPE矩陣,小波時(shí)間熵等特征量作對(duì)比分析,表明算法具有很高的精確性、穩(wěn)定性和可靠性。
綜上所述,本文引入稀疏約束對(duì)傳統(tǒng)的局部線性嵌入算法進(jìn)行了改進(jìn),但是對(duì)于樣本數(shù)據(jù)點(diǎn)較多的情況,為了找到全局最優(yōu)解,L1范數(shù)在求解過程中要進(jìn)行多次迭代,這樣導(dǎo)致LLE
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于流形學(xué)習(xí)的稀疏人臉特征提取.pdf
- 基于稀疏多流形學(xué)習(xí)的高光譜遙感影像降維研究.pdf
- 基于流形學(xué)習(xí)的降維算法.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維.pdf
- 基于流形學(xué)習(xí)與子空間的降維方法研究與應(yīng)用.pdf
- 基于稀疏學(xué)習(xí)和流形學(xué)習(xí)的KNN算法研究.pdf
- 基于流形學(xué)習(xí)的降維方法及應(yīng)用研究.pdf
- 基于流形學(xué)習(xí)的降維技術(shù)的研究及應(yīng)用.pdf
- 流形學(xué)習(xí)降維及其應(yīng)用研究
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維的研究.pdf
- 流形學(xué)習(xí)降維及其應(yīng)用研究.pdf
- 基于稀疏流形學(xué)習(xí)的人臉識(shí)別研究.pdf
- 基于流形學(xué)習(xí)的局部降維算法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維算法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維方法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維算法的研究.pdf
- 基于流形學(xué)習(xí)算法的通信信號(hào)指紋特征提取與識(shí)別.pdf
- 基于流形學(xué)習(xí)的特征提取及應(yīng)用.pdf
- 基于流形學(xué)習(xí)的特征提取.pdf
- 基于流形學(xué)習(xí)的高光譜圖像降維與分類研究.pdf
評(píng)論
0/150
提交評(píng)論