系统仿真学报
繫統倣真學報
계통방진학보
JOURNAL OF SYSTEM SIMULATION
2005年
1期
148-153
,共6页
樊友平%陈允平%孙婉胜%马笑潇%柴毅%黄席樾
樊友平%陳允平%孫婉勝%馬笑瀟%柴毅%黃席樾
번우평%진윤평%손완성%마소소%시의%황석월
控制理论%机器学习%特征数据压缩%故障诊断%主元分析
控製理論%機器學習%特徵數據壓縮%故障診斷%主元分析
공제이론%궤기학습%특정수거압축%고장진단%주원분석
针对诊断特征数据中的重复或相似事例样本和特征参量之间可能存在的相关性,提出并实现了一种有效的特征数据双向压缩预处理方法,从而在不损失数据隐含的特征知识的前提下,有效降低学习机器的学习负担.在进行样本参量的降维处理时,采用基于主元分析的横向数据压缩方法,有效地去除了各特征参量之间的相关性.在压缩样本数量时,综述和比较了现有的各种聚类算法,基于竞争和自组织原理,对借鉴生物体的自然免疫系统中克隆选择以及免疫网络自稳定等有关机理的常规免疫聚类压缩算法,作了重要改进,提出了基于主元核相似度的亲和力定义方法,增加了抗原数据归一化、近似样本直接去除等处理步骤,使算法具有更高的执行效率和更广的适应性.并以国际上通用的过程控制仿真对象"Tennessee Eastman"工厂的实际数据进行仿真实验,验证了所提方法的有效性.
針對診斷特徵數據中的重複或相似事例樣本和特徵參量之間可能存在的相關性,提齣併實現瞭一種有效的特徵數據雙嚮壓縮預處理方法,從而在不損失數據隱含的特徵知識的前提下,有效降低學習機器的學習負擔.在進行樣本參量的降維處理時,採用基于主元分析的橫嚮數據壓縮方法,有效地去除瞭各特徵參量之間的相關性.在壓縮樣本數量時,綜述和比較瞭現有的各種聚類算法,基于競爭和自組織原理,對藉鑒生物體的自然免疫繫統中剋隆選擇以及免疫網絡自穩定等有關機理的常規免疫聚類壓縮算法,作瞭重要改進,提齣瞭基于主元覈相似度的親和力定義方法,增加瞭抗原數據歸一化、近似樣本直接去除等處理步驟,使算法具有更高的執行效率和更廣的適應性.併以國際上通用的過程控製倣真對象"Tennessee Eastman"工廠的實際數據進行倣真實驗,驗證瞭所提方法的有效性.
침대진단특정수거중적중복혹상사사례양본화특정삼량지간가능존재적상관성,제출병실현료일충유효적특정수거쌍향압축예처리방법,종이재불손실수거은함적특정지식적전제하,유효강저학습궤기적학습부담.재진행양본삼량적강유처리시,채용기우주원분석적횡향수거압축방법,유효지거제료각특정삼량지간적상관성.재압축양본수량시,종술화비교료현유적각충취류산법,기우경쟁화자조직원리,대차감생물체적자연면역계통중극륭선택이급면역망락자은정등유관궤리적상규면역취류압축산법,작료중요개진,제출료기우주원핵상사도적친화력정의방법,증가료항원수거귀일화、근사양본직접거제등처리보취,사산법구유경고적집행효솔화경엄적괄응성.병이국제상통용적과정공제방진대상"Tennessee Eastman"공엄적실제수거진행방진실험,험증료소제방법적유효성.
