声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1240/TP
国际刊号：1000-8152
发布日期:
作者：周杰,陈晓方,谢永芳,邓紫晴,谢世文
单位：中南大学,中南大学,中南大学,中南大学,中南大学
关键词：字典学习; 故障诊断; 半监督学习; 流形学习; 机器学习
基金：国家自然科学基金项目(62133016)
针对有标签数据不足及传统故障诊断模型判别性差的问题, 本文提出一种流形结构化半监督扩展字典学 习(MS-SSEDL)的故障诊断方法. 首先, 为改善缺少有标签数据而导致模型的识别性能较差问题, 在MS-SSEDL模型 中提出无标签数据重构误差项, 利用无标签数据学习置信度矩阵, 从而学习得到扩展字典以增强字典学习的表示 性. 然后, 为增强MS-SSEDL模型的判别性, 通过保存数据的流形结构, 学习数据中内在几何信息的稀疏表示, 增强 信号表示能力及字典判别性. 最后, 在数字图像、轴承故障及齿轮故障公共数据集的实验表明所提MS-SSEDL方法 比其他先进方法的识别性能更优越.
来源：2023年第6期
《控制理论与应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。