基于MGCD的轉(zhuǎn)子故障數(shù)據(jù)集降維方法

摘要： 針對(duì)由于特征維數(shù)過(guò)高導(dǎo)致故障數(shù)據(jù)集分類困難及故障模式辨識(shí)精度偏低的問(wèn)題，提出一種基于多圖協(xié)同決策（multi graph collaborative decision-making，簡(jiǎn)稱MGCD）的轉(zhuǎn)子故障數(shù)據(jù)集降維算法。首先，在邊緣Fisher分析（marginal Fisher analysis，簡(jiǎn)稱MFA）算法框架基礎(chǔ)上，通過(guò)建立近鄰圖和遠(yuǎn)鄰圖解決因單一圖結(jié)構(gòu)導(dǎo)致的故障類... （共9頁(yè)）