任世进;李新余;徐桂云;潘建汉;杨茂云 用于非线性过程故障检测的半监督稀疏鉴别核局部线性嵌入。 (中文。英文摘要) Zbl 1438.68116号 J.南京规范。大学,自然科学。预计起飞时间。 41,第4号,49-58(2018). 摘要:复杂过程通常在危险环境和变化的操作条件下工作,过程数据表现出高度非线性、随机性和局部流形结构。近年来,核局部线性嵌入(KLLE)已成功应用于复杂过程的故障检测。然而,KLLE是一种无监督的学习方法,可以保留数据的非线性局部性,同时忽略全局/非局部判别信息。为了解决这个问题,本文提出了一种半监督稀疏鉴别核局部线性嵌入(SSDKLLE)方法,并将其应用于非线性过程的故障检测,将半监督学习和Fisher判别分析技术引入KLLE,有效地揭示了原始数据中隐藏的全局几何判别信息,从而提高了该方法的性能;(2) 考虑到信号可以通过优化算法由一组原子稀疏表示,引入稀疏表示来确定样本的邻域,提高了该方法的鲁棒性和局部保持性;(3) 将局部邻域处理策略和核技巧引入到LLE中,以减少操作变化时过程数据的非线性和分布,提高多模态和非线性过程监测方法的性能。在TE仿真平台上的实验结果证明了该算法的有效性。 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:过程故障检测;核局部线性嵌入;半监督学习;线性判别分析;稀疏表示 PDF格式BibTeX公司 XML格式引用 \textit{S.Ren}等,《南京常模》。大学,自然科学。第41版,第4号,49-58(2018;Zbl 1438.68116) 全文: 内政部