基于流形学习的局部保持PCA算法在故障检测中的应用
DOI:
CSTR:
作者:
作者单位:

作者简介:

冯健

通讯作者:

中图分类号:

TP273

基金项目:

国家自然科学基金项目;国家高技术研究发展计划资助项目;中央高校基本科研业务费资助


Locally preserving PCA method based on manifold learning and its
application in fault detection
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种新的基于流形学习的数据降维及特征提取方法: 局部保持PCA 算法(LPPCA). 通过在PCA 的优化
    目标中融入流形学习的思想, 不仅使投影得到的低维空间和原始样本空间具有相似的全局结构, 并且保持了相似的
    局部近邻结构, 克服了传统PCA 方法只关注全局结构特征而忽略局部流形特征的缺陷, 同时给出了LPPCA 在故障
    检测中的应用方法. S-Curve 和Swiss-roll 曲面数值仿真和TE 过程仿真验证了算法的有效性和优越性.

    Abstract:

    A novel dimensionality reduction and feature extraction method based on manifold learning, locally preserving
    principal component analysis(LPPCA) is proposed. In order to overcome the defects that the traditional PCA can only keep
    the structure in global and can not maintain the manifold structure in local, the idea of locality preserving is incorporated
    into the optimization goals of the PCA. The fault detection based on LPPCA is researched. The validity and superiority
    of the LPPCA are verified by the S-Curve numerical simulation, Swiss-roll surface numerical simulation and TE process
    simulation.

    参考文献
    相似文献
    引证文献
引用本文

王健 冯健 韩志艳.基于流形学习的局部保持PCA算法在故障检测中的应用[J].控制与决策,2013,28(5):683-687

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2012-05-02
  • 最后修改日期:2012-07-17
  • 录用日期:
  • 在线发布日期: 2013-05-20
  • 出版日期:
文章二维码