改进模型的自适应NPE算法故障降维辩识

摘要

cqvip:针对高维分类数据,提出基于改进模型的自适应邻域保持嵌入(Improved Model-Adaptive Neighborhood Preserving Embedding,IM-ANPE)降维故障辩识方法。通过使用样本集的标签信息,改进NPE算法的低维重构模型,在选择投影方向上关注样本邻域结构不变的同时,保证非同类样本的中心点距离最大化,能够获得辨识度更高的低维特征。采用自适应邻域构造法代替传统的k-NN邻域构造法,用样本集的本征维数作为降维的目标维数,有效避免了NPE算法重要参数选择问题。将得到的低维特征作为概率神经网络的输入实现故障辩识。标准数据集和实测柱塞泵故障的结果表明,IM-ANPE降维法能有效在降维的同时提高故障辩识效果。