长春工业大学学报（自然科学版）
長春工業大學學報（自然科學版）
장춘공업대학학보（자연과학판）
JOURNAL OF CHANGCHUN UNIVERSITY OF TECHNOLOGY（NATURAL SCIENCE EDITION）
2013年
5期
493-497
,共5页
小波包%局域判别基%相对熵%特征提取
小波包%跼域判彆基%相對熵%特徵提取
소파포%국역판별기%상대적%특정제취
Wavelet packet%Local Discriminant Bases (LDB)%relative entropy%feature extraction
研究了基于相对熵的小波包局域判别基算法，构造了以局域判别基空间上的结点能量为元素的特征矢量，并在发动机上进行了实验研究，结果表明，小波包局域判别基结点能量谱具有明显的类别特征，经过压缩，作为分类器的特征输入具有较高的模式识别率。
研究瞭基于相對熵的小波包跼域判彆基算法，構造瞭以跼域判彆基空間上的結點能量為元素的特徵矢量，併在髮動機上進行瞭實驗研究，結果錶明，小波包跼域判彆基結點能量譜具有明顯的類彆特徵，經過壓縮，作為分類器的特徵輸入具有較高的模式識彆率。
연구료기우상대적적소파포국역판별기산법，구조료이국역판별기공간상적결점능량위원소적특정시량，병재발동궤상진행료실험연구，결과표명，소파포국역판별기결점능량보구유명현적유별특정，경과압축，작위분류기적특정수입구유교고적모식식별솔。
The Wavelet packet Local Discriminant Bases (LDB) algorithm based on relative entropy is studied ,and the node-energy on LDB is taken as the feature vector . The vibration experimental results on the engine show that the node-energy spectrum on wavelet packet LDB has obvious classified features .The compressed features can be taken as the input for the high pattern recognition rate .
