优化K均值聚类在冗余特征剔除中的应用研究

• 作者: 宋玉琴 李丽敏 温宗周
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: K均值聚类 冗余特征剔除 SVM多分类 机械故障诊断
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 2836-2840
• 页数: 5页
• 分类号: TP391
• 字数: 2727字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.11.038

摘要

机械故障诊断中,为了提高诊断可靠性,往往采用多个特征共同决策,由此产生多维特征问题,维数过多会导致计算复杂度提高,不利于诊断的实时性.诊断所用的多个特征中,有些特征之间的耦合比较严重,有些特征之间互斥性比较强,得出的结论是特征冗余严重.为了剔除冗余特征,凸显其他特征对于诊断的重要作用,并提高计算速度,论文提出将K均值聚类方法应用于冗余故障特征的剔除中,K均值聚类能够将具有相似特性的特征聚类到一起,并以聚类中心的形式选择出最能代表该类的特征,其他相似特征直接剔除掉.采用凯斯西楚大学轴承实验室的部分故障数据作为测试数据,实验结果表明利用该方法进行冗余特征的剔除后,对比PCA,LPP和LLE特征选择方法,该方法诊断精度最高,而且由于剔除了冗余特征,使得实时性得到了改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋玉琴	西安工程大学电子信息学院	37	151	7.0	10.0
2	温宗周	西安工程大学电子信息学院	70	242	8.0	12.0
3	李丽敏	西安工程大学电子信息学院	20	29	4.0	4.0