10.3969/j.issn.1000-386x.2013.04.033
基于K-均值聚类的KPCA在故障诊断中的应用
针对大规模样本集的核主成分分析(KPCA)存在计算代价巨大的问题,提出一种新的KPCA快速算法.该算法通过施行改进初始中心选择策略的K-均值聚类算法划分样本集,然后选取每个分类的中心作为样本集建立KPCA模型.将该方法应用于TE(Tennessee Eastman)过程的故障诊断,与基于全体样本的KPCA进行比较.实验结果表明,二者的诊断效果相当,但是新的方法在计算上所耗费的时间更少.
核主成分分析、K-均值聚类、故障诊断、TE过程
30
TP301(计算技术、计算机技术)
浙江省统计局2011年度统计学术类重点课题浙统20L139
2013-05-30（万方平台首次上网日期，不代表论文的发表时间）
共5页
120-123,130
