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:
通过主成分分析方法,给出了高速动车组车载数据的降维过程.基于第三方numpy库和机器学习sklearn库,分别通过Python代码实现了基于主成分分析的降维过程.通过对某高速动车组数据的降维分析,两种实现方式所得到的结果一致,都能够实现对高速动车组车载数据的降维.
推荐文章
高速动车组车载以太网时延分析
高速动车组
车载以太网
网络时延
OPNET
高速动车组塞拉门安全环路实现方法研究
塞拉门
锁闭系统
安全环路
高速列车动模型车载数据采集系统
车载数据采集
空气压力
速度测量
高速动车组裙板设计研究
高速动车组
裙板
工况
标准
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 基于Python的高速动车组车载数据降维方法实现
来源期刊 软件 学科 工学
关键词 主成分分析 机器学习 降维
年,卷(期) 2020,(1) 所属期刊栏目 基金项目论文
研究方向 页码范围 114-117
页数 4页 分类号 TP3
字数 3336字 语种 中文
DOI 10.3969/j.issn.1003-6970.2020.01.024
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 刘韶庆 12 13 2.0 3.0
2 孔海朋 4 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (74)
共引文献  (31)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1933(1)
  • 参考文献(0)
  • 二级参考文献(1)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(8)
  • 参考文献(0)
  • 二级参考文献(8)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(8)
  • 参考文献(4)
  • 二级参考文献(4)
2018(4)
  • 参考文献(2)
  • 二级参考文献(2)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
主成分分析
机器学习
降维
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
软件
月刊
1003-6970
12-1151/TP
16开
北京市3108信箱
1979
chi
出版文献量(篇)
9374
总下载数(次)
40
总被引数(次)
23629
论文1v1指导