面向工业大数据的多层增量特征提取方法

• 作者: 刘瑄璞 孔宪光 汪星 牛萌 黄小瑜
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 工业大数据 高维小样本 特征提取 增量线性判别分析 增量主成分分析 熵值法
• 年，卷（期）: 2018,（4）
• 页码范围: 106-111
• 页数: 6页
• 分类号: TP391
• 字数: 4770字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2018.04.019

摘要

针对工业大数据中高维小样本情况导致增量线性判别分析失效问题,提出了一种面向工业大数据的多层增量特征提取方法,对高维小样本数据进行有效降维,并最大限度保留样本的变异信息和判别信息.首先,利用滑动窗口增量实时更新数据流,检测和过滤离群点,基于增量主成分分析对数据进行初步特征提取,利用Fisher准则函数量化各主元所包含的分类信息;然后,采用熵值法确定各主元贡献率和识别能力的权重,对主元进行筛选,由筛选出的主元构成新的特征空间;最后,将当前窗口的高维数据通过增量线性判别分析投影,完成二次特征提取的同时确定样本类别.实验结果表明,该方法可有效提取实时数据特征,同时很好地保留其判别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔宪光	西安电子科技大学机电工程学院	13	99	5.0	9.0
2	汪星	西安电子科技大学机电工程学院	4	11	2.0	3.0
3	牛萌	西安电子科技大学机电工程学院	2	35	2.0	2.0
4	黄小瑜	西安电子科技大学机电工程学院	1	5	1.0	1.0
5	刘瑄璞	西安电子科技大学机电工程学院	1	5	1.0	1.0