-
题名改进的加权t-SNE算法及在故障诊断中的应用
被引量:3
- 1
-
-
作者
夏丽莎
方华京
-
机构
上海理工大学管理学院
华中科技大学自动化学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第7期2078-2081,共4页
-
基金
国家自然科学基金资助项目(61473127,71572113)。
-
文摘
对随机邻域嵌入算法(SNE)中的距离进行改进,提出一种基于Manhattan距离的加权t-SNE(Mwt-SNE)算法。使用受空间维数影响较小的Manhattan距离作为度量方式,使用K-均值聚类算法将高维空间数据样本点距离分为三类,基于表格法进行权重参数寻优与加权,以加权相对Manhattan距离代替欧氏绝对距离计算相似度条件概率,从而增大数据对象之间的区分度,提升降维效果,增强分类显著性。提出基于Mwt-SNE算法的在线故障诊断模型,使用核密度估计(KDE)确定控制限并进行在线监控。TE化工过程实验表明,Mwt-SNE算法能有效降低误报率和漏报率,从而提高故障诊断稳定性和准确性。
-
关键词
故障诊断
加权t-SNE
Manhattan距离
核密度估计
-
Keywords
fault diagnosis
weighted t-SNE
Manhattan distance
kernel density estimation(KDE)
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于t类加权核函数的主成分分析维度约简算法
被引量:5
- 2
-
-
作者
刘文博
梁盛楠
董小刚
-
机构
黔南民族师范学院数学与统计学院
黔南州复杂系统与智能优化实验室
长春工业大学数学与统计学院
-
出处
《统计与决策》
CSSCI
北大核心
2022年第9期52-56,共5页
-
基金
国家自然科学基金面上项目(11571051)
贵州省教育厅青年科技人才成长项目(黔教合KY字[2019]200)
黔南民族师范学院高层次人才专项项目(qnsyrc201809)。
-
文摘
目前众多数据具有高维度特点,含有大量与类别标签无关的特征。直接应用机器学习方法对其进行分类,不仅会消耗大量的时间,而且难以获得较好的分类性能。针对该问题,文章提出一种基于加权核主成分分析(WKPCA)的维度约简算法,依据核矩阵特征值构造核函数权重,将多个核函数进行组合加权,进而达到特征降维的目的;为了提高WKPCA的维度约简效率,构造了t类核函数并且给出了相应的理论证明;以支持向量机、随机森林和朴素贝叶斯为分类器,对6个真实的数据集进行试验分析,结果表明与全变量模型、线性主成分降维以及单个核函数降维相比,WKPCA维度约简算法可以有效提高目前主流机器学习方法的分类预测性能。
-
关键词
加权核主成分分析
t类核函数
维度约简
核函数权重
-
Keywords
weighted kernel principal component analysis
t-class kernel function
dimension reduction
weight of kernel function
-
分类号
O212.4
[理学—概率论与数理统计]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于加权核主成分的朴素贝叶斯分类方法
被引量:1
- 3
-
-
作者
刘文博
梁盛楠
王纯杰
-
机构
黔南民族师范学院数学与统计学院
黔南民族师范学院贵州省复杂系统与智能优化实验室
长春工业大学数学与统计学院
-
出处
《长春工业大学学报》
CAS
2022年第4期610-618,共9页
-
基金
国家自然科学基金面上项目资助(11571051)
贵州省教育厅青年科技人才成长项目(黔教合KY字[2019]200)
黔南州科技计划项目(2019XK03ST)。
-
文摘
在大量的现实数据中,属性之间往往存在高度相关性,而朴素贝叶斯分类方法假定属性之间相互独立,如果不进行预处理直接将全变量参与到贝叶斯分类模型中,有时会导致其分类性能不佳。针对该问题,文中提出加权p-范数t核降维方法,并基于核矩阵特征值给出权系数计算公式;对于核函数中的参数,采用包裹式学习算法以及交叉验证确定相对最优值,最后构建了加权p-范数朴素贝叶斯分类算法。实证分析表明,相比于全变量模型、主成分分析以及单核主成分分析,利用文中提出的方法对4个医学数据集进行降维,在得到的数据集上进行朴素贝叶斯分类,可以显著提高其精度。
-
关键词
加权p-范数t核
核主成分
朴素贝叶斯
核权重
医学数据
-
Keywords
weighted p-norm t kernel
kernel principal component
Naive Bayes
kernel weight
medical data
-
分类号
O212.4
[理学—概率论与数理统计]
TP181
[自动化与计算机技术—控制理论与控制工程]
-