国家学术搜索
登录
注册
中文
EN
首页
|
基于 MSCE 的机械故障特征提取
基于 MSCE 的机械故障特征提取
引用
认领
扫码查看
点击上方二维码区域，可以放大扫码查看
原文链接
NETL
NSTL
万方数据
中文摘要：
流形学习方法可以挖掘高维的观测空间中嵌入的低维流形，这对于处理机械设备检测中出现的高维度和高度非线性的数据是一个有力的工具。本文提出了一种基于新型流行学习算法稀疏流形聚类与嵌入（SMCE）的故障特征提取模型。该算法和以往的算法区别在于 SMCE 可以自动确定邻域的大小，这可以极大的提高聚类的准确率。
收起全部
展开查看外文信息
作者：
王 潇、李国福、李 哲
展开 >
作者单位：
中原油田分公司技术监测中心装备监测总站
关键词：
稀疏流形聚类与嵌入（SMCE）
流行学习
故障诊断
出版年：
2018
建筑工程技术与设计
建筑工程技术与设计
影响因子：
0.156
ISSN：
年,卷(期)：
2018.
(22)
参考文献量
1
NETL
NSTL
万方数据
