计算机应用研究
計算機應用研究
계산궤응용연구
Application Research of Computers
2015年
10期
2992-2995
,共4页
随机邻域嵌入%欧氏距离%Manhattan距离%故障特征提取
隨機鄰域嵌入%歐氏距離%Manhattan距離%故障特徵提取
수궤린역감입%구씨거리%Manhattan거리%고장특정제취
stochastic neighbor embedding(SNE)%Euclidean distance%Manhattan distance%fault feature extraction
随机邻域嵌入(stochastic neighbor embedding,SNE)算法在欧氏距离基础上定义了邻域概率函数,是一种基于数据间相似度的降维方法.针对欧氏距离在高维数据空间中不能提供较大的相对距离差、无法明显体现高维数据对象之间差异性的问题,提出一种基于Manhattan距离的随机邻域嵌入(Manhattan-SNE)算法.采用Manhattan距离衡量高维数据对象之间的相异度,得到高维空间和低维空间数据对象之间相似度的条件概率,嵌入目标是使得高维空间和低维空间的分布形式尽可能一致,选择KL散度作为算法的目标函数,通过梯度下降法寻找目标函数的最小值,从而得到算法的低维嵌入.测试与实验分析结果表明:所提算法的平均分类正确率有明显提高,证明了改进算法的有效性与实用性,可以用于故障数据的特征提取.
隨機鄰域嵌入(stochastic neighbor embedding,SNE)算法在歐氏距離基礎上定義瞭鄰域概率函數,是一種基于數據間相似度的降維方法.針對歐氏距離在高維數據空間中不能提供較大的相對距離差、無法明顯體現高維數據對象之間差異性的問題,提齣一種基于Manhattan距離的隨機鄰域嵌入(Manhattan-SNE)算法.採用Manhattan距離衡量高維數據對象之間的相異度,得到高維空間和低維空間數據對象之間相似度的條件概率,嵌入目標是使得高維空間和低維空間的分佈形式儘可能一緻,選擇KL散度作為算法的目標函數,通過梯度下降法尋找目標函數的最小值,從而得到算法的低維嵌入.測試與實驗分析結果錶明:所提算法的平均分類正確率有明顯提高,證明瞭改進算法的有效性與實用性,可以用于故障數據的特徵提取.
수궤린역감입(stochastic neighbor embedding,SNE)산법재구씨거리기출상정의료린역개솔함수,시일충기우수거간상사도적강유방법.침대구씨거리재고유수거공간중불능제공교대적상대거리차、무법명현체현고유수거대상지간차이성적문제,제출일충기우Manhattan거리적수궤린역감입(Manhattan-SNE)산법.채용Manhattan거리형량고유수거대상지간적상이도,득도고유공간화저유공간수거대상지간상사도적조건개솔,감입목표시사득고유공간화저유공간적분포형식진가능일치,선택KL산도작위산법적목표함수,통과제도하강법심조목표함수적최소치,종이득도산법적저유감입.측시여실험분석결과표명:소제산법적평균분류정학솔유명현제고,증명료개진산법적유효성여실용성,가이용우고장수거적특정제취.
