基于曲线距离分析的嵌入式增强聚类算法

针对传统数据分析方法对高维数据进行聚类分析时存在的操作过程繁琐及准确率低等缺陷,提出基于曲线距离分析的嵌入式增强聚类算法(ECE-CDA)。计算高维空间中数据点之间的成对曲线距离并由聚类引导将其映射到低维空间,构造权重函数保持局部拓扑结构不变性。该算法简化了数据分析过程,同时实现降维和聚类,可作为通用的高精度框架。在12个公共数据集上的实验结果表明,该算法能有效进行数据降维并大幅提高模型的聚类精度。

基于CDA和MoG-BBN的齿轮磨损状态识别研究

提出了基于混合高斯输出贝叶斯信念网络模型的齿轮磨损状态识别新方法,建立了变量消元算法和期望最大化算法相结合的模型推理算法,通过计算待识别磨损特征向量的概率值来确定齿轮磨损状态。针对期望最大化算法容易局部收敛的问题,对其进行了改进,使其更容易获得全局最优值。根据磨损特征之间的非线性关系这一特性,应用曲线距离分析方法对特征进行降维。最后,利用五种不同工况下的齿轮磨损实验数据对模型进行验证。结果表明,该模型可以有效地识别齿轮磨损状态,识别正确率可以达到99%,为齿轮箱的健康管理提供了科学依据。

高光谱图像无监督分类的非线性特征提取器

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难,为进行有效降维、提高分类精度,提出以曲线距离分析作为非线性特征提取器、以独立分量分析的混合模型作为分类器的高光谱图像无监督分类的新方法。利用该方法对来自空载可见光/红外成像光谱仪的高光谱图像进行无监督分类,用分类精度对分类效果进行评价。实验表明,用本文提出的方法得到的分类精度高于传统分类方法得到的分类精度,说明了CDA方法在高光谱图像特征提取方面的有效性。