导读:本文包含了特征集论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,算法,向量,方位,机构,邻域,信号。
特征集论文文献综述
李蓉蓉[1]（2019）在《加密环境下大数据特征集并行存储方法研究》一文中研究指出针对传统方法存在数据存储速度慢,容量小的问题,提出一种加密环境下大数据特征集并行存储方法。采用MMSE算法对大数据特征集进行优化处理,以获得并行的大数据特征集。在加密环境下,当内存中保留数据记录达到一定数量时,在并行处理后的数据中插入批量Hash索引。以此为基础,基于Map函数对数据进行映射处理,进而完成对大数据特征集的并行存储。实验结果表明,利用所提方法的存储过程中数据分布通道具有较好的一致性,且存储速度约为传统方法的3倍,存储容量大。(本文来源于《现代电子技术》期刊2019年18期）
张奥[2]（2019）在《风电机组齿轮箱齿轮故障敏感特征集构造及应用研究》一文中研究指出风电作为现阶段发展最快的可再生能源之一,在全球电力生产结构中的占比正在逐年上升,拥有广阔的发展前景。但随着风电产业迅猛发展,伴随而来的风电机组在实际运行中的故障率也与日俱增。由于风电机组的工作环境恶劣,齿轮传动系统极易发生故障,会导致风机运行存在严重的安全隐患,造成风能利用率降低。如何实现齿轮传动系统运行状态的精准识别,提高其维护效率,是保障风机正常运行所面临的重大技术难题。而所构造齿轮故障特征集的质量会极大地影响齿轮传动系统运行状态识别结果的准确率,因此,研究如何构造出敏感的齿轮故障特征集,用于故障类型的识别,将能够提高风电机组齿轮传动系统故障状态监测结果的可靠性,具有重要的科学研究和实际工程应用价值。本文研究了主要齿轮故障失效原因,基于齿轮振动信号模型分析了齿轮信号的振动机理,并对实验平台的齿轮振动信号的故障特征进行了对比分析,为后文对齿轮振动信号的分析奠定了理论基础。提出了基于经验小波变换的中心差分能量算子特征增强算法。分析了经验小波变换和变分模态分解算法的原理,并对变分模态分解的分解层数进行了自适应改进;对比两种分解算法对正常齿轮信号的分解效果,利用中心差分能量算子信号增强方法进行实验,验证了基于经验小波变换的中心差分能量算子能显着增强故障特征信号,有利于齿轮故障的分析,为构建敏感特征集提供良好的特征信号。针对故障特征数据样本大,且存在大量的冗余特征,不利于齿轮故障识别的问题,从降维的角度对特征集冗余信息的处理方法进行研究,提出了基于EM-PCA的故障敏感特征集构造算法。首先通过时域和频域指标分别对提取特征的实验数据样本进行处理,表述了对齿轮状态比较敏感特征指标,然后利用提出的方法对特征集进行优化,获取敏感特征集。经实验及对比分析,验证了该方法对敏感特征集的构造具有良好的效果,且有利于故障齿轮的区分。分析了BP神经网络和支持向量机的算法原理,并根据两算法的优劣进行组合得到BP-SVM识别算法,利用BP-SVM对敏感特征集进行了故障识别,验证了EM-PCA构造的敏感特征集有效提高了齿轮故障识别的准确率。(本文来源于《新疆大学》期刊2019-05-28）
杨宏晖,伊淑珍[3]（2019）在《基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法》一文中研究指出针对水下目标识别特征样本集高维小样本问题,提出了基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法。该方法用多特征集典型相关分析算法对多域特征的整体相关程度进行定量分析,去除冗余和噪声特征,实现多域特征的融合,并利用多核稀疏保持投影算法,对提取的多域特征样本的稀疏重构性加以约束,增强了特征的判别能力。利用实测舰船辐射噪声数据验证基于核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法的有效性,与多特征集典型相关分析方法和核稀疏保持投影典型相关分析方法进行了对比,实验研究表明,提出的方法可以有效去除冗余和噪声特征,实现多域水下目标特征的融合,提高水下目标的识别正确率。(本文来源于《西北工业大学学报》期刊2019年01期）
王罡,毛志伟,罗玉峰,石志新[4]（2018）在《基于神经网络的并联机构方位特征集自动分析算法》一文中研究指出基于方位特征集理论(Position and Orientation Characteristic,POC),揭示并联机构拓扑结构分析的理论内涵,建立基于神经网络的并联机构拓扑结构描述方法,提出一种基于神经网络的并联机构拓扑结构自动分析算法。详细说明了并联机构POC集神经网络模型以及模型中对应的6种算法规则,并给出该方法的主要步骤及实例分析。首先,通过对并联机构拓扑结构分析的理论分析,归纳出其本质;其次,基于神经网络理论基础,对并联机构拓扑结构描述数字化表达;此外,通过分析并联机构POC集自动分析的本质内涵,建立并联机构POC集神经网络模型以及提出6种模型算法规则。最后通过实例分析证明了并联机构POC集自动分析算法的正确性和有效性。(本文来源于《机械传动》期刊2018年07期）
钱亚冠,关晓惠,吴淑慧,云本胜,任东晓[5]（2018）在《一种基于特征集构建的Bagging集成方法及其在流量分类中的应用》一文中研究指出Bagging是一种经典的分类器集成方法,其有效性依赖于基分类器之间的差异度。通过遗传算法为每个基分类器构建独立的特征集,目的是获得基分类器之间更好的差异性。同时,根据不同基分类器的分类性能进行优化加权集成,获得更好的泛化能力。最后,采用Softmax回归作为基分类器,将改进的Bagging集成方法应用到互联网流量分类,实验结果表明,改进方法相比经典Bagging方法在分类准确率上有显着提高,与利用决策树集成的随机森林相比也有较好的性能提升。(本文来源于《电信科学》期刊2018年04期）
王罡,毛志伟,罗玉峰,石志新,刘小山[6]（2018）在《串联机构数字建模及方位特征集自动分析》一文中研究指出基于方位特征集理论(POC),对串联机构拓扑结构进行了数字化描述并且提出了一种方位特征集自动分析方法,并给出了运算规则、主要步骤以及流程图。通过实例分析,结果表明:串联机构末端构件方位特征集自动分析过程中,提出的机构拓扑结构数字化和向量组并集理论能够简洁、快速的分析出串联机构末端构件的POC集,且便于计算机自动分析串联机构方位特征集,为并联机构拓扑结构自动分析奠定基础。(本文来源于《机械设计与研究》期刊2018年01期）
王伟钧,敬灏,苟娜,杨晋浩[7]（2018）在《基于多选问题数据规约的特征集分析方法研究》一文中研究指出目前在调查分析领域,多选问题的分析主要针对各选项的分析和推断,而忽略了它们之间的关联信息。基于此提出了基于多选问题数据规约的特征集分析方法。首先,将多选问题的各选项组合分别看作一个特征组合,而所有的特征组合(即特征集)代表其对应的多选问题的全部信息,并对特征集进行数值编码;其次,为了解决特征集组合的"维度爆炸"问题,提出了累计比和聚类两种数据规约方法,不但保留了数据的主要信息,而且对规约后的维度给出很好的解释;最后,实际调查分析案例分析表明了该方法的合理性和有效性。该研究对于各领域关于多选问题的深度分析提供了技术支持。(本文来源于《电子科技大学学报(社科版)》期刊2018年01期）
廖帅,王扬钧,姜楠,段金虎[8]（2017）在《一种基于类内聚集度和类间离散度的特征集提取方法》一文中研究指出雷达辐射源信号识别是雷达对抗信号处理中的关键技术,特征提取和选择是其中的重要一环。由于受噪声等多种因素影响,信号最重要的特征常常难以发现,特征提取一般采用经验式的方法。为消除特征提取的主观性和提高准确识别率,给出了类内聚集度和类间离散度的定义,并提出了一种基于类内聚集度和类间离散度的特征集评价准则。基于该准则,采用特征排序选择的搜索策略,可以从雷达辐射源信号原始特征集中挑选出品质优良的特征子集,从而实现对雷达辐射源信号的准确识别。(本文来源于《航天电子对抗》期刊2017年06期）
吴科艳,张舒雅,黄炎子,刘守印[9]（2017）在《基于邻域一致性和DBPSO的跌倒检测特征集优化算法》一文中研究指出目前国际上没有标准的、权威的老人跌倒检测数据,并且由年轻人模仿跌倒得到的样本规模较小,因此,如何利用有限的数据集找到最具代表性的特征集就显得尤为重要。考虑到特征集具有数值型和低样本数的特点,提出一种基于邻域一致性指标和离散二进制粒子群的特征集组合优化算法。该算法首先利用启发式快速向前算法,通过优化的邻域一致性指标来构成初选特征集;然后采用离散二进制粒子群算法进行有效寻优,剔除冗余特征;最后利用分类算法以验证该算法的有效性。实验结果表明,该算法可以获得具有较少特征又有较强分类能力的特征子集,并且算法的效率也得到了提高。(本文来源于《计算机与现代化》期刊2017年11期）
叶梅燕,石志新,罗玉峰,杨廷力[10]（2018）在《机器人机构方位特征集自动生成算法》一文中研究指出针对传统结构分析方法效率过低且难以得到完备结果的现状,将机器人机构学理论与现代计算机技术相结合,提出了机器人机构拓扑结构的数字建模方法,并给出方位特征集自动生成算法及流程。首先,提出拓扑结构组成要素的数学描述方法以及相应的数据结构,得到机器人拓扑结构的数字模型。然后,在揭示出方位特征集本质内涵的基础上,利用线性相关性理论制定相应的运算规则,进而提出方位特征集的自动生成算法和流程。最后,结合具体实例验证了上述数字建模方法和方位特征集自动生成算法的有效性。(本文来源于《农业机械学报》期刊2018年01期）
特征集论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
风电作为现阶段发展最快的可再生能源之一,在全球电力生产结构中的占比正在逐年上升,拥有广阔的发展前景。但随着风电产业迅猛发展,伴随而来的风电机组在实际运行中的故障率也与日俱增。由于风电机组的工作环境恶劣,齿轮传动系统极易发生故障,会导致风机运行存在严重的安全隐患,造成风能利用率降低。如何实现齿轮传动系统运行状态的精准识别,提高其维护效率,是保障风机正常运行所面临的重大技术难题。而所构造齿轮故障特征集的质量会极大地影响齿轮传动系统运行状态识别结果的准确率,因此,研究如何构造出敏感的齿轮故障特征集,用于故障类型的识别,将能够提高风电机组齿轮传动系统故障状态监测结果的可靠性,具有重要的科学研究和实际工程应用价值。本文研究了主要齿轮故障失效原因,基于齿轮振动信号模型分析了齿轮信号的振动机理,并对实验平台的齿轮振动信号的故障特征进行了对比分析,为后文对齿轮振动信号的分析奠定了理论基础。提出了基于经验小波变换的中心差分能量算子特征增强算法。分析了经验小波变换和变分模态分解算法的原理,并对变分模态分解的分解层数进行了自适应改进;对比两种分解算法对正常齿轮信号的分解效果,利用中心差分能量算子信号增强方法进行实验,验证了基于经验小波变换的中心差分能量算子能显着增强故障特征信号,有利于齿轮故障的分析,为构建敏感特征集提供良好的特征信号。针对故障特征数据样本大,且存在大量的冗余特征,不利于齿轮故障识别的问题,从降维的角度对特征集冗余信息的处理方法进行研究,提出了基于EM-PCA的故障敏感特征集构造算法。首先通过时域和频域指标分别对提取特征的实验数据样本进行处理,表述了对齿轮状态比较敏感特征指标,然后利用提出的方法对特征集进行优化,获取敏感特征集。经实验及对比分析,验证了该方法对敏感特征集的构造具有良好的效果,且有利于故障齿轮的区分。分析了BP神经网络和支持向量机的算法原理,并根据两算法的优劣进行组合得到BP-SVM识别算法,利用BP-SVM对敏感特征集进行了故障识别,验证了EM-PCA构造的敏感特征集有效提高了齿轮故障识别的准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征集论文参考文献
[1].李蓉蓉.加密环境下大数据特征集并行存储方法研究[J].现代电子技术.2019
[2].张奥.风电机组齿轮箱齿轮故障敏感特征集构造及应用研究[D].新疆大学.2019
[3].杨宏晖,伊淑珍.基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法[J].西北工业大学学报.2019
[4].王罡,毛志伟,罗玉峰,石志新.基于神经网络的并联机构方位特征集自动分析算法[J].机械传动.2018
[5].钱亚冠,关晓惠,吴淑慧,云本胜,任东晓.一种基于特征集构建的Bagging集成方法及其在流量分类中的应用[J].电信科学.2018
[6].王罡,毛志伟,罗玉峰,石志新,刘小山.串联机构数字建模及方位特征集自动分析[J].机械设计与研究.2018
[7].王伟钧,敬灏,苟娜,杨晋浩.基于多选问题数据规约的特征集分析方法研究[J].电子科技大学学报(社科版).2018
[8].廖帅,王扬钧,姜楠,段金虎.一种基于类内聚集度和类间离散度的特征集提取方法[J].航天电子对抗.2017
[9].吴科艳,张舒雅,黄炎子,刘守印.基于邻域一致性和DBPSO的跌倒检测特征集优化算法[J].计算机与现代化.2017
[10].叶梅燕,石志新,罗玉峰,杨廷力.机器人机构方位特征集自动生成算法[J].农业机械学报.2018
论文知识图
