基于主元分析和免疫聚类的双向特征数据压缩方法

• 作者: 孙婉胜 柴毅 樊友平 陈允平 马笑潇 黄席樾
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 控制理论 机器学习 特征数据压缩 故障诊断 主元分析
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 信息、控制与仿真
• 页码范围: 148-153
• 页数: 6页
• 分类号: TP18|O159
• 字数: 6773字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-731X.2005.01.038

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈允平	武汉大学电气工程学院	203	6094	41.0	70.0
2	柴毅	重庆大学自动化学院	157	2347	25.0	41.0
3	黄席樾	重庆大学自动化学院	232	4039	34.0	50.0
4	樊友平	武汉大学电气工程学院	50	383	10.0	17.0
6	马笑潇	重庆大学自动化学院	19	536	9.0	19.0
9	孙婉胜	武汉大学电气工程学院	17	157	7.0	12.0