基于主成分分析的航天产品风险识别方法研究

论文摘要

为了改进风险识别手段,提出了风险空间的概念。首先通过样本学习,使风险空间具备风险评估能力;然后针对高维空间下分类难度大,分类结果可解释性、可表达性差的缺点,采用主成分分析算法对风险空间进行降维,以利于后续处理。针对航天产品的实例验证表明,该方法操作简便、效果明显。

论文目录

• 1 风险空间模型
• 2 PCA原理
• 3 风险识别步骤
•   1)样本收集。
•   2)风险属性分解。
•   3)构建矩阵U及其协方差矩阵V。
•   4)解矩阵V的特征值与特征向量。
•   5)获取前n个主成分。
•   6)样本坐标映射到低维空间。
•   7)确定分类边界。
•   8)使用分类边界。
• 4 应用实例
• 5 结束语

文章来源

类型: 期刊论文

作者: 陈刚,齐海雁,曹晓,徐雪萍,陈华

关键词: 航天产品,风险识别,风险空间,样本学习,分类,主成分分析

来源: 机械设计与制造工程 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 数学,航空航天科学与工程

单位: 上海航天设备制造总厂有限公司

基金: 国家智能制造专项(2016ZXFM03002)

分类号: O212.4;V4

页码: 95-98

总页数: 4

文件大小: 162K

下载量: 103