收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于神经网络和主元分析的特征集生成方法

李允公  张金萍  刘杰  郭大猛  焦春旺  
【摘要】:能够实现线性可分并易分的特征集对模式分类具有重要意义,而特征计算方法的有限性和固定性往往导致构建此类特征集存在一定困难。为此提出一种基于神经网络和主元分析(Principal component analysis,PCA)的特征集构建方法,该方法利用神经网络对已有特征集进行非线性映射生成新的特征集,继而利用PCA方法对新特征集进行降维处理,在满足信息保留率大于85%的条件下只取第一主元方向投影数据,并判断线性可分和易分性。设计在第一主元方向上判断新特征集是否满足线性可分和易分的判据算法和准则,给出利用不对称交叉遗传算法进行网络寻优的具体步骤。数值仿真和试验验证表明所提出的方法性能稳定、分类准确,而且泛化能力较强,具有一定的工程应用价值。

知网文化
【相似文献】
中国博士学位论文全文数据库 前1条
1 皮骏;基于粗糙集理论的旋转机械故障诊断技术[D];西北工业大学;2007年
中国硕士学位论文全文数据库 前4条
1 王琦;基于振动多特征的轻轨锚固螺杆松动故障诊断方法研究[D];重庆大学;2008年
2 马再超;转子故障数据分类方法研究与实验台测试信息系统开发[D];兰州理工大学;2012年
3 杨慧斌;滚动轴承故障诊断中的特征提取与选择方法[D];湖南工业大学;2011年
4 秦政博;基于小波包和支持向量机的滚动轴承故障识别方法[D];太原理工大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978