导读:本文包含了维数约简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:流形,局部,神经网络,变换器,故障诊断,字符,包络。
维数约简论文文献综述
苑隆寅,张前图,雷敬,吴生财[1]（2019）在《基于融合类别信息局部保持投影维数约简的故障诊断》一文中研究指出为更好的保持高维故障特征的局部流形结构,对局部保持映射(LPP)进行改进,并提出了基于融合类别信息局部保持映射(MLILPP)维数约简的故障诊断新方法。MLILPP融合样本类别信息构造了相似性矩阵和差异性矩阵。利用相似性矩阵保持降维前后同类样本之间的局部结构,利用差异性矩阵扩大降维后异类相似样本彼此之间的距离。实现了数据结构的有效保持,能够获得更有效的低维流形,提高了故障诊断的精度。液压泵故障诊断实验验证了该方法的有效性。(本文来源于《机械强度》期刊2019年05期）
刘雷,许洁,王艳,邢海军[2]（2019）在《基于MLILPP维数约简的轨道交通牵引电机轴承故障诊断》一文中研究指出为更好地保持高维故障特征的局部流形结构,对局部保持映射(LPP)进行改进,并提出了基于融合类别信息局部保持映射(MLILPP)维数约简的故障诊断新方法。MLILPP融合样本类别信息,根据类别信息构造相似性矩阵和差异性矩阵,利用相似性矩阵保持降维前后同类样本之间的局部结构,利用差异性矩阵扩大降维后异类相似样本彼此之间的距离,实现了数据结构的有效保持,能够获得更有效的低维流形,提高了故障诊断的精度。轨道交通牵引电机轴承故障诊断结果表明了该方法具有一定的优势。(本文来源于《电子测量与仪器学报》期刊2019年06期）
陆敬微[3]（2019）在《基于OBB的叁维手写字符维数约简研究》一文中研究指出手写字符识别技术属于人工智能的范畴,要涉及到图像处理、模式识别和机器学习等相关知识,是一门综合性很强的研究课题。而在手写字符识别的过程中,可能会出现“维数灾难”的问题,为解决这个问题,需要进行维数约简。维数约简是手写字符识别的关键步骤,因此对它的研究变得尤为重要。本文总结了国内外手写字符识别技术等相关内容的研究现状,发现现有维数约简算法降维后得到的降维图像会随机产生镜像旋转和角度旋转。这个问题不仅会造成可视化效果较差,还会降低手写字符的识别率。针对上述问题,本文提出一种基于有向长方体的叁维手写字符维数约简算法。该算法步骤如下:首先,获取叁维离散点集T并生成叁维轨迹。然后,建立有向长方体模型并确定投影面。接下来,进行叁次坐标变换,包括将叁维离散点集T预变换为投影点集T1;将T1转换为二维点集T2,该步骤解决了镜像旋转的问题;将T2转换为降维点集乃,该步骤解决了角度旋转的问题。通过可视化对比实验发现,所提维数约简算法具有较好的视觉处理效果,并且字符图像不会随机产生镜像旋转和角度旋转。而基于主成分分析、核主成分分析、多维缩放算法、等度量映射四种维数约简方法得到的二维字符会随机发生镜像和角度旋转,这会严重影响可视乎效果。最后,为了客观地验证所提维数约简算法的有效性和可行性,对基于OBB的叁维手写字符维数约简算法和上述四种维数约简方法得到的降维图像分别进行识别,并比较识别结果。识别结果表明在使用支持向量机、k近邻学习、朴素贝叶斯算法叁种识别方法下,所提维数约简算法处理得到字符图像的平均识别率分别为91.47%、89.70%以及85.93%,均大于以上四种维数约简算法处理得到字符图像的平均识别率。所以使用本文所提算法可以极大程度地提高叁维空间手写字符的识别率。所以所提维数约简算法更加适合叁维空间手写字符。(本文来源于《杭州电子科技大学》期刊2019-03-01）
柴超君,凌永生,岳琪,贾文宝[4]（2018）在《维数约简用于BPNN的核事故源项估算方法》一文中研究指出为在核事故后果评价中准确估算放射性物质源项,优化误差反向传播神经网络(BPNN)核事故源项估算模型,用主成分分析(PCA)法选取累计贡献率大于85%的6个主成分,代替原模型源项的10个影响因素,建立PCA-BPNN模型;用随机森林(RF)算法计算源项各影响因素的重要性,去除风向和混合层高度这2个重要性较小的影响因素,构建RF-BPNN估算模型;对比分析上述3个模型的估算效果。结果表明:与BPNN模型相比,PCA-BPNN模型与RF-BPNN模型估算时间较短,误差较小,可如实反映事故的源项信息; RF-BPNN模型相比于PCA-BPNN模型,精度及稳定性更优。(本文来源于《中国安全科学学报》期刊2018年09期）
毛向德,梁金平[5]（2018）在《机车控制电源故障特征向量维数约简方法研究》一文中研究指出通过对电力机车控制系统中控制电源的电路结构特点分析,进行故障特征值提取,对所造成的高维数据无法进行模式识别这一特点。通过对传统的流形学习算法中LE理论进行改进,提出了基于马氏距离的LE算法理论,对LE算法中的邻域选择问题进行了深入的研究,使K具有自适应性,而且利用关联维数理论克服了非线性电路的故障特征提取中所造成的维数灾难,对其高维数据进行本征维数的估计,去除了不相关的信息维数,解决了流形学习理论中d的选取难点。最后通过验证得出该方法的有效性与准确性。(本文来源于《计算技术与自动化》期刊2018年03期）
张钰,李瑞梅,章田[6]（2018）在《基于最长轨迹投影的3D空间手写字符维数约简》一文中研究指出提出一种基于最长轨迹投影的3D空间手写字符维数约简算法。首先,获取运动指尖的3D坐标,依次连接坐标点生成3D运动轨迹;将3D轨迹上所有的点分别投影到XOY、XOZ、YOZ平面形成2D轨迹;分别计算3个平面内的2D轨迹上相邻点的长度和,选择长度和最大的平面作为最佳投影平面。实验结果表明,所提算法可以得到固定方向的2D图像,不需要方向调整算法,就能够使3D空间手写字符的识别率达到96. 2%。(本文来源于《实验室研究与探索》期刊2018年09期）
徐金成,李晓东,刘辉[7]（2018）在《基于两阶段流形学习的半监督维数约简算法》一文中研究指出为克服直接从高维数据建立数据的流形结构,导致对分类有效的流形结构不够突出的问题,提出一种基于两阶段流形学习的半监督维数约简算法(TSMSDR)。利用原始高维数据建立流形结构,将训练数据映射到低维空间,利用低维空间的训练数据建立新的流形结构,在新建立的流形结构的基础上得到最终的映射矩阵。实验结果表明,在CMU PIE、Extend YaleB、ORL、AR等4个人脸数据库上,TSMSDR算法明显优于其它对比的维数约减算法。(本文来源于《计算机工程与设计》期刊2018年08期）
郑国强,汪玉,高博,王志国,陈凯[8]（2018）在《基于SOLPP维数约简的电机轴承故障特征提取》一文中研究指出为提高电机轴承故障诊断的准确性,提出了基于监督正交局部保持映射(SOLPP)的电机轴承故障特征提取方法。该方法首先从多个角度构建出高维多域的混合故障特征集;然后利用监督正交局部保持映射对高维特征集进行约简,以获得对轴承故障状态敏感度高且聚类性好的低维特征;最后采用支持向量机(SVM)进行故障识别,评估特征提取的效果。电机轴承不同类型和不同程度故障诊断实验结果表明,提取的轴承故障特征可以表征轴承故障状态,验证了该方法的有效性。(本文来源于《电子测量与仪器学报》期刊2018年06期）
杨文元[9]（2018）在《多标记学习自编码网络无监督维数约简》一文中研究指出多标记学习是针对一个实例同时与一组标签相关联而提出的一种机器学习框架,是该领域研究热点之一,降维是多标记学习一个重要且具有挑战性的工作。针对有监督的多标记维数约简方法,提出一种无监督自编码网络的多标记降维方法。首先,通过构建自编码神经网络,对输入数据进行编码和解码输出;然后,引入稀疏约束计算总体成本,使用梯度下降法进行迭代求解;最后,通过深度学习训练获得自编码网络学习模型,提取数据特征实现维数约简。实验中使用多标记算法ML-k NN做分类器,在6个公开数据集上与其他4种方法对比。实验结果表明,该方法能够在不使用标记的情况下有效提取特征,降低多标记数据维度,稳定提高多标记学习性能。(本文来源于《智能系统学报》期刊2018年05期）
尹雪妍[10]（2018）在《基于低秩图的多视角数据维数约简方法研究》一文中研究指出随着信息技术的快速发展,在很多实际问题中,为了尽可能地对要研究的对象进行全面描述,人们往往需要从不同的方面或者通过不同途径对其进行表示,从而构成了研究对象的多视角数据。目前,已经有研究者指出,由于多视角数据可以提供更加丰富的信息,基于多视角数据的学习通常比基于单视角数据的学习更具优势。然而,由于多视角数据比单视角数据具有更高的维数,基于多视角数据的学习任务更容易受到“维数灾难”的影响。因此,对多视角数据进行维数约简(或称降维)就变得尤为重要。在多视角数据中,由于不同视角所描述的特征往往具有不同的物理意义,因此,如何在维数约简的过程中考虑不同视角数据之间的相互作用,兼顾不同视角数据的互补关系,进而提高学习的效率,成为一个亟待解决的问题。本文针对基于图嵌入的多视角数据学习方法进行研究,提出了一种新的数据降维方法——基于低秩图的多视角数据维数约简方法(Multi-view Data Dimensionality Reduction based on Low-rank Graph,简称MDDRLG)。与其它基于图嵌入的多视角数据维数约简方法相比,本文提出的MDDRLG方法具有以下几个特点:首先,该模型考虑了包含在多视角输入数据中的噪声信息,通过利用低秩和稀疏分解的方法对其进行了控制,从而提升了算法的学习性能和鲁棒性;其次,为了更加充分地探索不同视角数据间的互补信息,我们引入一种自适应优化策略,通过对不同视角数据进行加权组合,使MDDRLG方法构建的共享图能够更准确且全面地描绘多视角输入数据的判别信息。最后,本文还提出了一种有效的迭代优化算法来求解MDDRLG方法。为了验证本文提出方法的有效性,分别在四个数据库上进行了分类、聚类和标签传递等实验,并将MDDRLG方法与其它基于图的多视角学习方法进行对比。大量实验结果表明本文所提出方法的可行性及有效性。(本文来源于《东北师范大学》期刊2018-06-01）
维数约简论文开题报告
（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：
为更好地保持高维故障特征的局部流形结构,对局部保持映射(LPP)进行改进,并提出了基于融合类别信息局部保持映射(MLILPP)维数约简的故障诊断新方法。MLILPP融合样本类别信息,根据类别信息构造相似性矩阵和差异性矩阵,利用相似性矩阵保持降维前后同类样本之间的局部结构,利用差异性矩阵扩大降维后异类相似样本彼此之间的距离,实现了数据结构的有效保持,能够获得更有效的低维流形,提高了故障诊断的精度。轨道交通牵引电机轴承故障诊断结果表明了该方法具有一定的优势。
（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。
维数约简论文参考文献
[1].苑隆寅,张前图,雷敬,吴生财.基于融合类别信息局部保持投影维数约简的故障诊断[J].机械强度.2019
[2].刘雷,许洁,王艳,邢海军.基于MLILPP维数约简的轨道交通牵引电机轴承故障诊断[J].电子测量与仪器学报.2019
[3].陆敬微.基于OBB的叁维手写字符维数约简研究[D].杭州电子科技大学.2019
[4].柴超君,凌永生,岳琪,贾文宝.维数约简用于BPNN的核事故源项估算方法[J].中国安全科学学报.2018
[5].毛向德,梁金平.机车控制电源故障特征向量维数约简方法研究[J].计算技术与自动化.2018
[6].张钰,李瑞梅,章田.基于最长轨迹投影的3D空间手写字符维数约简[J].实验室研究与探索.2018
[7].徐金成,李晓东,刘辉.基于两阶段流形学习的半监督维数约简算法[J].计算机工程与设计.2018
[8].郑国强,汪玉,高博,王志国,陈凯.基于SOLPP维数约简的电机轴承故障特征提取[J].电子测量与仪器学报.2018
[9].杨文元.多标记学习自编码网络无监督维数约简[J].智能系统学报.2018
[10].尹雪妍.基于低秩图的多视角数据维数约简方法研究[D].东北师范大学.2018
论文知识图
