基于局部保留投影的卫星姿控系统故障检测

采用流形理论,提出了基于流形学习的局域保持投影对姿态系统运行数据进行特征学习,并利用统计特性进行故障检测的方法。首先,利用局域保持投影方法发现统计量的局部流形结构。该投影方法的本质是试图将原始空间中的闭合点映射到低维空间中的闭合点;其次,构建T2和平方预测误差(SPE),利用正常数据训练结果进行统计,并采用核密度估计(KDE)确定故障控制限,实现了对故障的检测。通过数据仿真验证所提方法,典型故障检测率为100%。

核无监督鉴别投影及人脸识别

提出一种基于核方法的无监督鉴别投影,在较好地描述人脸图像的同时,对图像进行有效地分类。对核局部保留投影(KLPP)和无监督鉴别投影技术(UDP)进行了相应的研究,将两者互相结合。该方法同时考虑到样本的局部特性和非局部特性,有效地利用了对分类有用的重要信息;此外,将核方法和流形学习方法结合起来,有效地描述人脸图像的非线性变化,对于人脸识别问题有较好的效果。在Yale库上的实验表明,该方法的识别率明显高于UDP和PCA,且有较好的分类效果。

基于KSLPP与RWKNN的旋转机械故障诊断

针对旋转机械高维故障特征集识别精度低的问题,提出基于核监督局部保留投影(Kernel Supervised Locality Preserving Projection,KSLPP)与Relief F特征加权的K近邻(Relief F Weighted K-Nearest Neighbor,RWKNN)分类器相结合的维数约简故障诊断方法。该方法首先应用KSLPP提取故障特征集中的非线性信息,同时在降维投影过程中充分利用类别信息,使降维后最小化类内散度,最大化类间分离度;随后,将降维后得到的低维敏感特征集输入RWKNN进行模式识别,RWKNN能够突出不同特征对分类的贡献率,强化敏感特征,弱化不相关特征,提升了分类精度和鲁棒性。最后,通过典型转子实验台的故障特征集验证了该方法的有效性。

基于rMKL-LPP方法的乳头状肾细胞癌多组学数据整合分型分析

目的探讨局部保留投影的正则化多核学习(regularized multiple kernel learning with locality preserving projections,rMKL-LPP)在乳头状肾细胞癌(papillary renal cell carcinoma,PRCC)多组学数据分子分型中的应用,进一步研究PRCC分子分型在信号通路活性和基因表达调控方面的异质性。方法采用rMKL-LPP方法对PRCC的mRNA、miRNA和DNA甲基化数据进行整合,进一步采用k-means方法聚类分型,并通过Cox回归分析研究不同分型的预后风险。针对不同分型,进行通路活性分析,使用差异表达分析筛选DEmRNAs(differentially expressed mRNAs),DEmiRNAs(differentially expressed miRNAs)和DMGs(differentially methylated genes),并对三者的重合基因进行GO(gene ontology)富集分析,最后使用相关及生存分析筛选可能受DNA甲基化或miRNA调控且影响患者生存的基因。结果PRCC患者分为三型,不同亚型在通路活性和基因表达方面均有差异。筛选出10条活性存在差异的通路;1185个DEmRNAs,13个DEmiRNAs及416个DMGs,其中36个重合基因富集于有统计学差异的8个GO生物项。相关分析发现,ABL2可能受hsa-miR-107调控,13个基因可能受DNA甲基化调控。生存分析表明,ZNF135和RBPMS2可能与患者生存结局相关。结论rMKL-LPP能够有效识别PRCC亚型,筛选出的通路及潜在生物标志物,可为PRCC针对性治疗提供依据。

基于KSLPP特征提取的ELM模拟电路软故障诊断

为提高模拟电路的软故障诊断能力,提出了一种基于KSLPP特征提取和ELM的集成诊断方法.它首先利用KSLPP良好的特征提取能力,构建故障样本集的特征集;然后,利用ELM解决复杂非线性问题的优势,建立提取特征集的故障识别模型;最后,再由所建模型对各种故障模式进行诊断判定.椭圆滤波器的仿真测试表明,该集成方法诊断的总正确率达到98.8%,且11种故障状态中的8种达到100%正确率,从而验证了其可行性和有效性.