基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
高维故障特征数据易影响诊断的处理速度和识别率,而传统单目标特征选择算法易融入主观偏好,从而影响特征选择的质量。为此,提出一种无监督的多目标进化特征选择算法。采用熵度量作为相关度目标,采用相关系数的概念设计了冗余度目标,算法同时将这两个目标作为优化对象;利用样本在各个特征上的分布信息,设计了导向性的种群初始化过程和变异算子,以提高算法的优化能力;还利用集成的方法得到了所有特征的重要度序列。对5组UCI数据和3组往复式压缩机故障数据的测试结果表明,该算法比已有的几种特征选择算法更具优势。
推荐文章
采用新邻居模型的多目标分解进化算法
多目标优化
分解方法
繁殖计算
邻居集合
用于非监督特征选择的免疫克隆多目标优化算法
非监督特征选择
克隆选择
多目标优化
行星齿轮系故障特征多目标进化选择方法
故障辨识
特征选择
遗传算法
行星齿轮箱
基于半监督的多目标进化模糊聚类算法
多目标进化算法
图像分割
半监督
模糊聚类
相似性度量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 采用多目标进化模型的无监督故障特征选择算法
来源期刊 振动与冲击 学科 工学
关键词 特征选择 多目标进化算法 冗余度 故障诊断
年,卷(期) 2014,(8) 所属期刊栏目
研究方向 页码范围 61-65,87
页数 6页 分类号 TP391.41
字数 5873字 语种 中文
DOI 10.13465/j.cnki.jvs.2014.08.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于德弘 西安交通大学机械工程学院 59 696 15.0 24.0
2 庄健 西安交通大学机械工程学院 56 885 14.0 28.0
3 夏虎 西安交通大学机械工程学院 3 22 2.0 3.0
4 周璠 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征选择
多目标进化算法
冗余度
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
振动与冲击
半月刊
1000-3835
31-1316/TU
大16开
上海市华山路1954号上海交通大学
4-349
1982
chi
出版文献量(篇)
12841
总下载数(次)
12
总被引数(次)
124504
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导