面向高维数据PCA-ReliefF的EP模式分类算法

针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据进行分类时,该方法构造的分类器在预测精度和运行时间上均有较大幅度的提升。

基于声发射信号的带材剪切刀具磨损在线监测方法

在铁基纳米晶合金带材剪切加工过程中,其刀具的状态对于保证加工质量至关重要。针对铁基纳米晶合金带材剪切加工过程中的刀具磨损状态监测问题,提出了一种基于声发射信号的剪切刀具磨损在线监测方法。首先,通过搭建声发射监测设备确定了相应的参数,采集原始声发射信号进行了预处理,得到了剪切加工阶段的信号,将其用于后续处理;然后,分析了剪切刀具磨损以及带材质量随剪切加工过程变化的关系,并根据剪切加工过程中获取的声发射信号,进行了时域、频域、时频域特征提取,分析了获得的特征与刀具磨损之间的关系,利用ReliefF和主成分分析(PCA)算法进行了特征选择与降维处理,得到了具有良好相关性的特征;最后,基于所选特征,构建了支持向量机(SVM)人工智能模型,用以识别剪切刀具的磨损阶段。研究结果表明:随着刀具磨损的加剧,带材质量下降,声发射信号特征值与刀具磨损存在对应关系;采用ReliefF-PCA-SVM模型能够实现95.56%的分类准确率,能够有效地对剪切加工过程中的刀具磨损进行在线监测。

基于改进ReliefF算法的Honeynet告警日志分析

针对蜜罐中数据分析系统的薄弱性,提出了基于PCA和改进的ReliefF方法的告警日志分析系统。通过主成分分析,去除特征之间的冗余性,能够有效降低算法的复杂性,再利用改进的ReliefF算法,选择出最能代表样本的特征,构成有效特征子集,实现特征的降维。该方法能够在保证较高分类精度的同时,显著提高分类速度,并在一定程度上实现了数据分析的智能化和自动化,实验结果表明了其正确性。

基于多参数融合相似的民航发动机寿命预测

针对民航发动机寿命预测研究中单参数监控不全面而多监测参数利用率低的问题,提出了一种基于多参数融合相似的寿命预测方法。针对参数敏感性修正,利用ReliefF-PCA算法对发动机多种监控参数进行属性筛选,并融合为表征发动机健康状态的参数——健康指数;针对发动机不同衰退阶段,对相似度度量算法进行趋势敏感度修正,增大变化趋势对预测结果的影响;通过对样本轨迹进行平移处理,减小正常阶段时域对算法的影响;最后通过实际数据的对比来验证该方法的有效性,结果表明,改进的预测方法有较好的预测精度。

基于ReliefF的主元挑选算法在过程监控中的应用

传统的主成分分析(principal component analysis,PCA)算法选取包含大部分方差信息的成分作为主元,并将其应用到过程监控中。但是故障信息不一定会投影到方差较大的成分上,使用方差贡献度挑选主元会导致严重的信息丢失和监控效果的恶化。因此使用ReliefF-PCA算法,其中ReliefF算法从故障角度出发,挑选出在区分正常样本和故障样本上权重更高,效果相对更好的成分作为主元。这样挑选出的主元避免了传统PCA算法在主元挑选过程中出现的主观性、盲目性以及重要信息的丢失。ReliefF-PCA算法在过程监控中主要有两个优势,第1,监控效果更好;第2,对原始数据降维效果更好。随后,基于ReliefF-PCA算法,提出一种加权的故障变量贡献图方法。最后,通过Tennessee Eastman(TE)仿真实验测试,ReliefF-PCA算法达到了预期效果。

适合终端的射频指纹信号特征提取及识别

基于射频指纹(Radio Frequency Fingerprint,RFF)的物理层安全技术可以有效解决无线设备的安全接入问题,而特征提取作为射频指纹识别过程中的关键步骤,如何降低样本维度、减少测试训练时间、保证分类识别率是其研究的重要内容。针对上述问题,提出了基于射频发射信号提取小波系数,通过Relief F算法和PCA算法,将信号维数降低到原来的29%,在能够保证SVM分类精度的情况下,有效减少了数据维度和时间消耗,同时降低了运算复杂度,适合运用在轻量级识别认证的终端环境。

基于ReliefF-PCA和SVM的发动机故障诊断方法研究

针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点,提出了一种基于Relief F、主成分分析(PCA)以及支持向量机(SVM)的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数,运用Relief F选择出其中的敏感特征以降低处理过程的计算难度;然后采用PCA进一步提取敏感特征,消除各特征之间的相关性,避免冗余;最后利用SVM实现机组的故障分类,诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中,结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征,并实现多种典型故障的诊断。

基于PCA和ReliefF的潜山界面识别方法研究

钻遇潜山的作业风险决定了潜山界面识别技术在录井中的重要地位。为解决渤中油田某构造花岗岩潜山与上覆砂砾岩岩性难以区分的难题,引入X射线元素录井和X射线全岩衍射录井技术,利用岩屑元素和矿物含量变化确定地层界面和岩性的变化,但其应用中存在各种元素和矿物分异度不够、潜山界面的变化不明显等问题。在此条件下,引入ReliefF算法、PCA降维、支持向量机等数学方法及思维,用于处理现场成果数据并构建新图板,提高潜山界面识别的分异度。通过数学方法与地质录井的结合,提出了潜山界面识别的新思路,对渤中油田某构造后续作业以及渤海地区其他潜山构造的界面识别产生积极影响。

基于加速度传感器的人体运动行为识别研究

基于单个加速度传感器的人体运动行为识别进行研究,文中分析了人体运动监测系统组成及人体动作识别中的加速度数据采集、数据预处理、特征提取、基于SVM的分类识别过程,最后对文中的识别机制进行验证,结果表明:该识别方法的准确度较高。