基于K-均值聚类的KPCA在故障诊断中的应用

• 作者: 汪司飞 黄斐
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 核主成分分析 K-均值聚类 故障诊断 TE过程
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 基金项目论文
• 页码范围: 120-123,130
• 页数: 5页
• 分类号: TP301
• 字数: 4076字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.04.033

摘要

针对大规模样本集的核主成分分析(KPCA)存在计算代价巨大的问题,提出一种新的KPCA快速算法.该算法通过施行改进初始中心选择策略的K-均值聚类算法划分样本集,然后选取每个分类的中心作为样本集建立KPCA模型.将该方法应用于TE(Tennessee Eastman)过程的故障诊断,与基于全体样本的KPCA进行比较.实验结果表明,二者的诊断效果相当,但是新的方法在计算上所耗费的时间更少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄斐	苏州大学计算机科学与技术学院	14	139	6.0	11.0
2	汪司飞	苏州大学计算机科学与技术学院	1	13	1.0	1.0